Python 3.x 在Python3中向列表添加唯一分类器时避免笛卡尔

我正在导入5.csv文件，所有文件都包含电子邮件：

Donors = pd.read_csv(r"C:\Users\am\Desktop\email parsing\Q1 2021\Donors Q1 2021 R12.csv",
                        usecols=["Email Address"])
Activists = pd.read_csv(r"C:\Users\am\Desktop\email parsing\Q1 2021\Activists Q1 2021 R12.csv",
                        usecols=["Email"])
Low_Level_Activists = pd.read_csv(r"C:\Users\am\Desktop\email parsing\Q1 2021\Low Level Activists Q1 2021 R12.csv",
                        usecols=["Email"]) 
Ambassadors = pd.read_csv(r"C:\Users\am\Desktop\email parsing\Q1 2021\Ambassadors Q1 2021.csv",
                        usecols=["Email Address"])
Volunteers = pd.read_csv(r"C:\Users\am\Desktop\email parsing\Q1 2021\Volunteers Q1 2021 R12.csv",
                        usecols=["Email Address"])
 Followers= pd.read_csv(r"C:\Users\am\Desktop\email parsing\Q1 2021\Followers Q1 2021 R12.csv",
                        usecols=["Email"])

虽然我只是导入电子邮件（由于它们来自于两个不同的命名约定，这让我很恼火），但我将导入名称添加为一个分类符-即捐赠者、志愿者等

Donors['Value'] = "Donors"
Activists['Value'] = "Activists"
Low_Level_Activists['Value'] = "Low_Level_Activists"
Ambassadors['Value'] = "Ambassadors"
Volunteers['Value'] = "Volunteers"
Advocates['Value'] = 'Followers'

然后连接所有文件并处理命名问题。我相信有一种更优雅的方法可以做到这一点，但我有以下几点：

S1= pd.concat([Donors,Activists,Low_Level_Activists,Ambassadors,Volunteers,Advocates], ignore_index= True) 
S1['Handle'] = S1['Email Address'].where(S1['Email Address'].notnull(), S1['Email'])
S1= S1.drop(['Email','Email Address'], axis = 1)
print(S1['Handle'].count()) #checks full count

最后一行的总数是166749

这是我的问题。我需要过滤电子邮件中的uniques-使用.nuniques（）非常简单，但是我遇到的问题是我还需要携带分类器。因此，如果一封单一的电子邮件既是捐赠者又是活动家，那么当我尝试将唯一值与分类器合并时，我会同时提取这两个值

我已经做了很多个小时了（直到互联网的尽头！），似乎找不到一个可行的解决方案。我在字典里无限地查找循环、合并等。唯一的电子邮件数是165923（通过Python和/或excel（）计算得出）

从本质上说，我希望在匹配中提取列表中最早的分类器。因此，如果电子邮件是捐赠者和活动家->称他们为捐赠者。或者如果电子邮件是志愿者和追随者->在一个电子邮件记录中称他们为志愿者

---

任何帮助都将不胜感激。

我将尝试使用一些虚构的数据：

将熊猫作为pd导入
fa=pd.DataFrame（[[]paul@mail.com“，”捐赠者“，[”max@mail.com“，”捐赠者“]]，列=[”句柄“，”值“]）
fb=pd.DataFrame（[[]paul@mail.com“，”活动家“]，[”annie@mail.com“，”活动者“]]，列=[”句柄“，”值“]）
S1=局部混凝土（[fa，fb]）
打印（S1）

给予

您可以按

句柄

分组，然后选择您喜欢的任何

值

，例如第一个：

对于句柄，在S1中分组。groupby（'handle'）：
打印（句柄，组.reset_index（）.loc[0，'值']））

给予

或收集一个人的所有角色：

for handle, group in S1.groupby('Handle'):
    print(handle, group.Value.unique())

给予

---

你能发布一些可复制的样本数据吗？效果很好。我唯一的问题是，我应该更具体地说明我所寻找的最终结果。具体来说，我想按值分组并计算句柄（重复数据消除）。为此，我将您的代码附加到列表中，然后转换为pd.Series，然后在添加的逗号上使用str.split。在重复数据后按值分组时，我遇到了“结束交易”的问题。我不确定我是否完全理解，但如果您想计算每个值的唯一电子邮件，在按值分组后，您可以使用

len（group.Handle.unique（））

正确。那么在您编写代码而不是使用打印后会出现这种情况吗？我想您的打印结构是正确的，我只是不确定如何（1）希望避免使用会使我的处理时间慢很多的追加和（2）如果我不打印代码，该如何处理它。您可以通过使用列表理解来避免追加，或者甚至可以动态创建一个dict，然后将其转换为一个系列：

pd.series（{value:len（group.Handle.unique（））for value，group in S1.groupby（'value'）}）

动态字典很不错，但出于某种原因，它似乎没有抓住Unique。在我的文件中，我有166727封未经处理的电子邮件，当我使用此代码时，出于某种原因，我得到了相同的数字。不过，你是对的-动态字典在性能方面更优越。

annie@mail.com Activists
max@mail.com Donors
paul@mail.com Donors

for handle, group in S1.groupby('Handle'):
    print(handle, group.Value.unique())

annie@mail.com ['Activists']
max@mail.com ['Donors']
paul@mail.com ['Donors' 'Activists']