假设我有这样一个数据帧:
| name | type |
|---|---|
| John | 1 |
| Joe | 0 |
| Joe | 1 |
| Marcus | 0 |
| John | 2 |
| John | 0 |
我如何使用Pandas 才能获得与以下相同的结果:
SELECT name, GROUP_CONCAT(type)
FROM df
GROUP BY name
HAVING COUNT(*)>1;
| name | type |
|---|---|
| john | 0,1,2 |
| joe | 0,1 |
假设我有这样一个数据帧:
| name | type |
|---|---|
| John | 1 |
| Joe | 0 |
| Joe | 1 |
| Marcus | 0 |
| John | 2 |
| John | 0 |
我如何使用Pandas 才能获得与以下相同的结果:
SELECT name, GROUP_CONCAT(type)
FROM df
GROUP BY name
HAVING COUNT(*)>1;
| name | type |
|---|---|
| john | 0,1,2 |
| joe | 0,1 |
您可以将自定义groupby.agg与以下内容一起使用:
out = (df
.groupby('name', as_index=False, sort=False)['type']
.agg(lambda s: ','.join(s.sort_values().astype(str)) if len(s)>1 else None)
.dropna(subset='type')
)
或者:
out = (df
.groupby('name', as_index=False, sort=False)
.agg(**{'type': ('type', lambda s: ','.join(s.sort_values().astype(str))),
'count': ('type', 'count')
})
.loc[lambda d: d.pop('count').gt(1)]
)
或者:
out = (df
.groupby('name', as_index=False, sort=False)['type']
.agg(lambda s: ','.join(s.sort_values().astype(str)))
.loc[lambda d: d['type'].str.contains(',')]
)
输出:
name type
0 John 0,1,2
1 Joe 0,1