我有重复的条目需要合并。id1除了名为和 的两个字段之外,所有字段都是相同的id2- 这些是列表字段,我想组合它们的条目。以下是我仅对id1和id2字段执行此操作的方法:summary_df = df.groupby(['path_md5']).agg( id1 =('id1', lambda x: str(sorted({id for ids in x.dropna() for id in ids}))), id2 =('id2', lambda x: str(sorted({id for ids in x.dropna() for id in ids}))),)然而,我不想添加 60 个额外的字段,first这样我就可以获取它们的价值。有一个更好的方法吗?这是我想要的输入/输出的示例:id1 id2 path_md5 other_fields (could be 50 fields -- all the same)...[1,2] [3] abc ...[7] [9] abc ...[17] [11] xyz ...结果应该是:id1 id2 path_md5 other_fields...[1,2,7] [3,9] abc ...[17] [11] xyz ...最好的方法是什么?我尝试执行以下操作:# Dedupe path, combining id1, id2agg_fields = [col_name for col_name in df.columns if col_name not in ('id1', 'id2')]raw_df = raw_df.groupby(agg_fields).agg(...).reset_index()但它给了我零结果(也许是因为很多值都是空的?
1 回答
婷婷同学_
TA贡献1844条经验 获得超8个赞
您可以构建一个聚合字典:
agg_dict = {k:'first' for k in df.columns if k not in ['id1','id2','path_md5']}
agg_dict['id1'] = lambda x: str(sorted({id for ids in x.dropna() for id in ids}))
agg_dict['id2'] = lambda x: str(sorted({id for ids in x.dropna() for id in ids}))
summary_df = df.groupby('path_md5', as_index=False).agg(agg_dict)
添加回答
举报
0/150
提交
取消