Groupby 和连接值，但保留所有列

Question

我有这个数据框，想对 ID 进行分组并加入这些值。ID  | A_Num | I_Num--------------------------001 | A_001 | I_001002 | A_002 | I_002003 | A_003 | I_004005 | A_002 | I_002期望的输出ID      | A_Num | I_Num--------------------------001     | A_001 | I_001002;005 | A_002 | I_002003     | A_003 | I_004代码：    df = df.groupby(['A_Num','I_Num'])['ID'].apply(lambda tags: ';'.join(tags))    df.to_csv('D:\joined.csv', sep=';', encoding='utf-8-sig', quoting=csv.QUOTE_ALL, index=False, header=True)当我将 DataFrame 写入 csv 文件时，我只有 ID 列。

Answer 1

尝试reset_index()：

df=df.groupby(['A_Num','I_Num'])["ID"].apply(lambda tags: ';'.join(tags.values)).reset_index()

这样，您的聚合 fromapply()将被执行，然后重新分配为column而不是index.

Answer 2

另一种方法是：

result= df.groupby(['A_Num', 'I_Num']).agg({'ID': list})

result.reset_index(inplace=True)

result[['ID', 'A_Num', 'I_Num']]

输出是：

Out[37]: 

             ID    A_Num   I_Num

0        [001 ]   A_001    I_001

1  [002 , 005 ]   A_002    I_002

2        [003 ]   A_003    I_004

在这种情况下，ID 包含列表。如果您更想要字符串，只需执行以下操作：

result['ID']= result['ID'].map(lambda lst: ';'.join(lst))

result[['ID', 'A_Num', 'I_Num']]

哪个输出：

Out[48]: 

        ID  A_Num  I_Num

0      001  A_001  I_001

1  002;005  A_002  I_002

2      003  A_003  I_004

Answer 3

Groupby 'A_Num' 和 'I_Num' 然后合并同一组中的 ID。

df.groupby(['A_Num','I_Num']).ID.apply(lambda x: ';'.join(x.tolist())).reset_index()