Как объединить строки в Pandas DF на основе критериев фильтрации

У меня есть фрейм данных pandas, в котором есть несколько столбцов. В некоторых случаях строки дублируются с небольшими изменениями в некоторых столбцах, например:

НАЗВАНИЕУНИКАЛЬНЫЙ КОДСТРАНЫОТВЕТСТВЕННОСТЬДРУГОЙ АТРИБУТНОМЕРА
ИмяXYZABCUA EU SAИксДЕЛЬТА2
ИмяXYZABCCHДАЛЬФА3

Что я хочу сделать, так это объединить вышеизложенное, чтобы получить:

НАЗВАНИЕУНИКАЛЬНЫЙ КОДСТРАНЫАТРИБУТДРУГОЙ АТРИБУТНОМЕРА
ИмяXYZABCUA EU SA CHХ ГДЕЛЬТА АЛЬФА5

Как определить повторяющиеся строки на основе, скажем, «УНИКАЛЬНОГО КОДА» и объединить другие значения строк в разных столбцах, за исключением УНИКАЛЬНОГО КОДА?

Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения текстовых сообщений может быть настолько сложным или простым, насколько вы его сделаете. Как и в любом ML-проекте, вы можете выбрать...
7 лайфхаков для начинающих Python-программистов
7 лайфхаков для начинающих Python-программистов
В этой статье мы расскажем о хитростях и советах по Python, которые должны быть известны разработчику Python.
Установка Apache Cassandra на Mac OS
Установка Apache Cassandra на Mac OS
Это краткое руководство по установке Apache Cassandra.
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
В одном из недавних постов я рассказал о том, как я использую навыки количественных исследований, которые я совершенствую в рамках программы TPQ...
Создание персонального файлового хранилища
Создание персонального файлового хранилища
Вы когда-нибудь хотели поделиться с кем-то файлом, но он содержал конфиденциальную информацию? Многие думают, что электронная почта безопасна, но это...
Создание приборной панели для анализа данных на GCP - часть I
Создание приборной панели для анализа данных на GCP - часть I
Недавно я столкнулся с интересной бизнес-задачей - визуализацией сбоев в цепочке поставок лекарств, которую могут просматривать врачи и...
0
0
20
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы можете использовать функцию groupbyagg и agg, которая может принимать словарь имени столбца в качестве ключа и функцию агрегации в качестве значения.

  • Для столбца NAME вы берете только 1 значение => first (или last).
  • Для столбца NUMBERS вы получаете сумму столбца. => sum
  • Для других столбцов вы получаете объединение строк => ' '.join

Итак, вам нужен этот словарь, чтобы передать функцию agg.

{
  'NAME': 'first',
  'NUMBERS': 'sum',
  'COUNTRIES': ' '.join,
  'ATTRIBUTE': ' '.join,
  'ANOTHER ATTRIBUTE': ' '.join
}

Вы можете передать этот жестко закодированный словарь непосредственно в функцию agg. Или вы можете сделать это немного более компактным, как это.

join_col = ['COUNTRIES', 'ATTRIBUTE', 'ANOTHER ATTRIBUTE']
(df.groupby('UNIQUE CODE', as_index=False)
 .agg({
       **{'NAME': 'first', 'NUMBERS': 'sum'},
       **{x: ' '.join for x in join_col]}
 })
)

Другие вопросы по теме