如何合并 pandas 中的行以获得无序的列对？

Question

我的数据框中的行如下-     Team 1          Team 2         Winner       winner_count0   Afghanistan     Australia     Australia             119    Australia   Afghanistan     Australia             1我想将这两行合并为一行并对 Winner_count 求和，这样 -     Team 1          Team 2         Winner       winner_count0   Afghanistan     Australia     Australia             2这应该是我的输出。

Answer 1

如果数据框中有很多行，我会尽量避免使用传递axis=1. 

s1 = np.where(df['Team 2'] > df['Team 1'], df['Team 1'], df['Team 2'])

s2 = np.where(df['Team 2'] < df['Team 1'], df['Team 1'], df['Team 2'])

df['Team 1'] = s1

df['Team 2'] = s2

df = df.groupby(['Team 1', 'Team 2', 'Winner'])['winner_count'].sum().reset_index()

df

Out[1]: 

        Team 1     Team 2     Winner  winner_count

0  Afghanistan  Australia  Australia             2

Answer 2

试穿这款尺码：

import pandas as pd

# Initialise test dataframe

df = pd.DataFrame({'Team 1': ['A', 'B'], 'Team 2': ['B', 'A'], 'winner_count': [1, 1]})

# Get the smallest team name (alphabetically)

df['First'] = df[['Team 1', 'Team 2']].min(axis=1)

# Get the largest team name (alphabetically)

df['Second'] = df[['Team 1', 'Team 2']].max(axis=1)

# Groupby the teams to sum winner_counts

df = df[['First', 'Second', 'winner_count']].groupby(['First', 'Second']).sum().reset_index()

这似乎是一个效率低下的解决方案，所以看看其他人是否想出更好的方法。

Answer 3

IMO 该解决方案应该处理数据框中有两个以上团队的可能性，例如：

df = pd.DataFrame({"Team1": ["Afghanistan", "Australia", "Australia", "Belgium", "Afghanistan"],

                   "Team2": ["Australia", "Afghanistan", "Afghanistan", "Afghanistan","Belgium"],

                   "Winner": ["Afghanistan", "Australia", "Australia", "Afghanistan", "Afghanistan"],

                   "winner_count": [1, 1, 1, 1, 1]

                   })

我首先会通过新的“团队”列来识别每个团队组合：

df.loc[:,"Teams"] = df.apply(lambda x: ", ".join(sorted([x["Team1"],x["Team2"]])), axis=1)

然后可以按团队组合进行分组，并将获胜团队放在每个组的顶部：

group = df.groupby(by=["Teams","Winner"]).agg({

    "Teams":"first",

    "Team1":"first",

    "Team2":"first",

    "winner_count":"sum"}).sort_values(by=["winner_count"], ascending=False)

IMO 已经有了“团队”列，两个团队中哪一个是团队 1 或团队 2 并不重要。重复项将被删除：

group.drop_duplicates(subset="Teams", inplace=True)

还可以通过以下方式删除 MultiIndex ["Teams", "Winner"]：

group.reset_index(level=1, drop=True, inplace=True)

结果数据框组（没有索引“Teams”）：

+-------------+------------------------+-----------+-------------+--------------+

|   Winner    |         Teams          |   Team1   |    Team2    | winner_count |

+-------------+------------------------+-----------+-------------+--------------+

|             |                        |           |             |              |

| Australia   | Afghanistan, Australia | Australia | Afghanistan |            2 |

| Afghanistan | Afghanistan, Belgium   | Belgium   | Afghanistan |            2 |

+-------------+------------------------+-----------+-------------+--------------+