代码之家 › 专栏 › 技术社区 › Frâncio Rodrigues

基于列值重新索引任务

pandas python

Frâncio Rodrigues · 技术社区 · 7 年前

我有一个数据帧,其中有数百万行具有唯一索引,还有一列('b')具有多个重复值。

"old_index1,old_index2" )其中“b”具有重复的值,但对于“b”具有唯一值的行保持不变。“b”列的值应该保持不变,就像在a中一样 keep=first 战略。下面的例子。

输入数据帧:

df = pd.DataFrame(data = [[1,"non_duplicated_1"],
                          [2,"duplicated"],
                          [2,"duplicated"],
                          [3,"non_duplicated_2"],
                          [4,"non_duplicated_3"]],
                  index=['one','two','three','four','five'],
                  columns=['a','b'])

期望输出:

             a                 b
one          1  non_duplicated_1
two,three    2        duplicated
four         3  non_duplicated_2
five         4  non_duplicated_3

实际的数据帧相当大,所以我想避免非矢量化操作。

我发现这非常困难…有什么想法吗?

2 回复 | 直到 7 年前

sacuL 7 年前

你可以用 transform 在索引列上(使用 reset_index b

df.index = df.reset_index().groupby('b')['index'].transform(','.join)

df.drop_duplicates('b',inplace=True)

>>> df
           a                 b
index                         
one        1  non_duplicated_1
two,three  2        duplicated
four       3  non_duplicated_2
five       4  non_duplicated_3

user3483203 7 年前

安装程序

dct = {'index': ','.join, 'a': 'first'}

你可以 reset_index 使用前 groupby ,尽管我不清楚你为什么要这样:

df.reset_index().groupby('b', as_index=False, sort=False).agg(dct).set_index('index')

                          b  a
index
one        non_duplicated_1  1
two,three        duplicated  2
four       non_duplicated_2  3
five       non_duplicated_3  4

推荐文章