合并单元格而不丢失 Pandas 中的信息

Question

我正在编写一个能够从 Discogs 音乐数据库中抓取专辑信息的程序。刮刀工作正常。现在我有一个数据框，其中包含许多重复的艺术家和标题，其中格式单元格不同（例如，参见下面我的数据框片段中的“Sido”、“Ich und keine Maske”）。    Interpret                    Title                              Formats0   Afrika Bambaataa And Family  The Decade Of Darkness 1990-2000   CD, Album, RE1   Sha Hef                      Out The Mud2   Sido                         Ich Und Keine Maske                CD, Album3   Sido                         Ich Und Keine Maske                2xLP, Album...现在我正在寻找一种方法来组合这些双重条目而不会丢失信息。有人可以给我一个提示吗？最终结果应如下所示：    Interpret                    Title                              Formats0   Afrika Bambaataa And Family  The Decade Of Darkness 1990-2000   CD, Album, RE1   Sha Hef                      Out The Mud2   Sido                         Ich Und Keine Maske                CD, Album, 2xLP...我努力了r = dataframe.groupby('Interpret')['Formate'].apply(','.join)但结果是删除了“标题”列的熊猫系列，所以我丢失了信息。

Answer 1

你有没有尝试过

import pandas as pd

df = pd.DataFrame({'Interpret': ['Afrika Bambaataa And Family', 'Sha Hef', 'Sido', 'Sido'],

                   'Title': ['The Decade Of Darkness 1990-2000', 'Out The Mud', 'Ich Und Keine Maske', 'Ich Und Keine Maske'],                             

                   'Formats': ['CD, Album, RE', 'CD, Album', 'CD, Album', '2xLP, Album']})

# remove duplicate interprets and merge formats...

df1 = df.groupby('Interpret').agg(lambda x: ', '.join(x.unique())).reset_index()

# now to get rid of duplicate entries in 'Formats' column...

def drop_dupes(row):

    l = row.split(', ')

    return ', '.join(list(set(l)))

df1['Formats'] = df1['Formats'].apply(drop_dupes)

? 那给你

Out[40]: 

                     Interpret  ...          Formats

0  Afrika Bambaataa And Family  ...    CD, RE, Album

1                      Sha Hef  ...        CD, Album

2                         Sido  ...  CD, Album, 2xLP

并且基本上是您为这个问题找到的答案的略微修改版本。