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_001

002 | A_002 | I_002

003 | A_003 | I_004

005 | A_002 | I_002

期望的输出

ID      | A_Num | I_Num

--------------------------

001     | A_001 | I_001

002;005 | A_002 | I_002

003     | 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_Num0        [001 ]   A_001    I_0011  [002 , 005 ]   A_002    I_0022        [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_Num0      001  A_001  I_0011  002;005  A_002  I_0022      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()