如何从 python groupby 创建数据框

Question

我的第一个数据框包含一个由卡的唯一 ID (card_id) 组成的列：

treino.head(5)

            card_id   feature_1   feature_2   feature_3
0   C_ID_92a2005557           5         2             1
1   C_ID_3d0044924f           4         1             0
2   C_ID_d639edf6cd           2         2             0
3   C_ID_186d6a6901           4         3             0
4   C_ID_cdbd2c0db2           1         3             0

我的第二个数据框是这些卡片的传递历史：

df2.head(5)

   authorized_flag          card_id  city_id category_1      merchant_id
0                Y  C_ID_92a2005557       88          N  M_ID_e020e9b302
1                Y  C_ID_d639edf6cd       88          N  M_ID_86ec983688
2                Y  C_ID_92a2005557       88          N  M_ID_979ed661fc
3                Y  C_ID_92a2005557       88          N  M_ID_e6d5ae8ea6
4                Y  C_ID_92a2005557       88          N  M_ID_e020e9b302
5                Y  C_ID_4e6213e9bc      333          N  M_ID_50af771f8d
6                Y  C_ID_92a2005557       88          N  M_ID_5e8220e564
7                Y  C_ID_4e6213e9bc        3          N  M_ID_9d41786a50
8                Y  C_ID_d639edf6cd       88          N  M_ID_979ed661fc

使用时：

merged_left = pd.merge (left = df1, right = df2, how = left, left_on = 'card_id', right_on = 'card_id')

它增加了 card_id 的行，因为在第二个数据帧中 card_id 出现了好几次。我已经把它放在左边做连接，只留下第一个数据帧的唯一 card_id，但我的问题仍然存在。

我已经明白它会增加行数，因为 df2 是购物历史，而 card_id 出现多次但我无法解决。

已经尝试过类似的方法：

df2.groupby (['card_id', 'merchant_id']). size (). reset_index ()

但我仍然有几行相同的 card_id，他们可以帮我创建一个数据框，每个唯一的 card_id 和商家 ID 各只有 1 行，我是否必须创建一个汇总数据的新变量？

Answer 1

如果您只想要 card_id / merchant_id 的列表（哪个用户购买了 从哪个商家的东西），从df2中提取数据就足够了：

df2[['card_id', 'merchant_id']].drop_duplicates()

如您所见，不需要 groupby，只需阅读相关列并 删除重复项。

更复杂一点的情况是当您需要时，例如具体多少次 card_id 从特定的 merchant_id 购买了一些东西。 然后需要 groupby 并且使用 size() 函数可以获得所需的值：

df2.groupby(['card_id', 'merchant_id']).size()

可能与您一样使用 .reset_index() 完成。

当然，特定的 card_id 出现在几个输出行中，但每次 不同 merchant_id（以及相关的交易数量 这两个科目之间）。

因此，请确定除了 card_id 和 merchant_id 之外还需要哪些信息。 这是确定生成答案所需的代码所必需的。