Pandas groupby：文字列の結合を取得する方法

私はこのようなデータフレームを持っています：

   A         B       C
0  1  0.749065    This
1  2  0.301084      is
2  3  0.463468       a
3  4  0.643961  random
4  1  0.866521  string
5  2  0.120737       !

呼び出す

In [10]: print df.groupby("A")["B"].sum()

戻ります

A
1    1.615586
2    0.421821
3    0.463468
4    0.643961

ここで、「C」列についても「同じ」を行います。その列には文字列が含まれているため、sum（）は機能しません（文字列を連結すると思われるかもしれませんが）。私が本当に見たいのは、各グループの文字列のリストまたはセットです。

A
1    {This, string}
2    {is, !}
3    {a}
4    {random}

私はこれを行う方法を模索しています。

Series.unique（）（http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.unique.html）は機能しませんが、

df.groupby("A")["B"]

です

pandas.core.groupby.SeriesGroupBy object

だから私はどんなSeriesメソッドもうまくいくことを望んでいました。何か案は？

In [4]: df = read_csv(StringIO(data),sep='\s+')

In [5]: df
Out[5]: 
   A         B       C
0  1  0.749065    This
1  2  0.301084      is
2  3  0.463468       a
3  4  0.643961  random
4  1  0.866521  string
5  2  0.120737       !

In [6]: df.dtypes
Out[6]: 
A      int64
B    float64
C     object
dtype: object

独自の関数を適用する場合、非数値列が自動的に除外されることはありません。これはのアプリケーションよりも、しかし、遅い.sum()へgroupby

In [8]: df.groupby('A').apply(lambda x: x.sum())
Out[8]: 
   A         B           C
A                         
1  2  1.615586  Thisstring
2  4  0.421821         is!
3  3  0.463468           a
4  4  0.643961      random

sum デフォルトでは連結します

In [9]: df.groupby('A')['C'].apply(lambda x: x.sum())
Out[9]: 
A
1    Thisstring
2           is!
3             a
4        random
dtype: object

やりたいことはほとんどできる

In [11]: df.groupby('A')['C'].apply(lambda x: "{%s}" % ', '.join(x))
Out[11]: 
A
1    {This, string}
2           {is, !}
3               {a}
4          {random}
dtype: object

フレーム全体で、一度に1つのグループでこれを行います。キーを返すことですSeries

def f(x):
     return Series(dict(A = x['A'].sum(), 
                        B = x['B'].sum(), 
                        C = "{%s}" % ', '.join(x['C'])))

In [14]: df.groupby('A').apply(f)
Out[14]: 
   A         B               C
A                             
1  2  1.615586  {This, string}
2  4  0.421821         {is, !}
3  3  0.463468             {a}
4  4  0.643961        {random}

applyメソッドを使用して、グループ化されたデータに任意の関数を適用できます。したがって、セットが必要な場合は、を適用してくださいset。リストが必要な場合は、適用してくださいlist。

>>> d
   A       B
0  1    This
1  2      is
2  3       a
3  4  random
4  1  string
5  2       !
>>> d.groupby('A')['B'].apply(list)
A
1    [This, string]
2           [is, !]
3               [a]
4          [random]
dtype: object

他に何かが必要な場合は、必要なことを実行する関数を記述してくださいapply。

aggregate（またはagg）関数を使用して値を連結できる場合があります。（テストされていないコード）

df.groupby('A')['B'].agg(lambda col: ''.join(col))

あなたはこれを試すことができます：

df.groupby('A').agg({'B':'sum','C':'-'.join})

簡単な解決策は次のとおりです。

>>> df.groupby(['A','B']).c.unique().reset_index()

名前付き集計 pandas >= 0.25.0

パンダバージョン0.25.0以降、グループ化、集計、および新しい名前を列に割り当てることができる名前付き集計を使用しています。この方法では、MultiIndex列を取得せず、列名に含まれるデータを考慮すると、列名がわかりやすくなります。

文字列のリストを集計して取得する

grp = df.groupby('A').agg(B_sum=('B','sum'),
                          C=('C', list)).reset_index()

print(grp)
   A     B_sum               C
0  1  1.615586  [This, string]
1  2  0.421821         [is, !]
2  3  0.463468             [a]
3  4  0.643961        [random]

文字列を集約して結合する

grp = df.groupby('A').agg(B_sum=('B','sum'),
                          C=('C', ', '.join)).reset_index()

print(grp)
   A     B_sum             C
0  1  1.615586  This, string
1  2  0.421821         is, !
2  3  0.463468             a
3  4  0.643961        random

データフレームの列Bを上書きしたい場合、これはうまくいくはずです：

    df = df.groupby('A',as_index=False).agg(lambda x:'\n'.join(x))

@Erfanの良い答えに従って、集計値の分析では、ほとんどの場合、これらの既存の文字値の一意の可能な組み合わせが必要です。

unique_chars = lambda x: ', '.join(x.unique())
(df
 .groupby(['A'])
 .agg({'C': unique_chars}))