Python 熊猫用分类数据和大量nan值连接行/groupby

我试图通过基于2列连接行来简化数据帧。现在，剩下的有点混乱，有很多nan值等等。我将展示一个示例：

首字母：

    Name    Sex     Shoes       Bike          Car
0   John    Male             Specialised    
1   John    Male             Bridgestone    
2   Lucy    Female                            BMW
3   John    Male    Vans        
4   Lucy    Female  Nike    

目标：

    Name    Sex     Shoes   Bike                        Car
0   John    Male    Vans    Specialised, Bridgestone    
1   Lucy    Female  Nike                                BMW

我应该使用什么功能？我不知道如何使用groupby和.agg（'，'.join）添加来完成此操作

（上面的数据只是示例性的——我必须处理的数据有更多的行，其中有许多相同名称的出现，以及大约20个“类别”列……还要注意，每一行应该只有一个“类别”中的字符串——鞋子/自行车/汽车等。）

---

提前谢谢

您可以使用空字符串

填充na

，然后在最后清除坏数据

---

---

正则表达式的顺序是非常重要的，您可以使用下面的组来使用它

df=pd.DataFrame（[[John]、[Male]、[na]、[John]、[Male]、[na]、[Bridgestone]、[na]、[Lucy]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]、[na]
df=df.mask（df==“na”，“”）
df.groupby（[“姓名”，“性别]）.agg（lambda行：“，”。
联接（[val for val in row if val.strip（）！=“”]）

假设空单元格为NaN（非空字符串），则将实现以下结果：

(df.set_index(['Name','Sex']) 
   .groupby(level=[0,1])
   .apply(lambda x:x.apply(lambda y: ', '.join(y.dropna())))
   .reset_index())

第二种方法

(df.set_index(['Name','Sex'])
   .stack()
   .groupby(level=[0,1,2])
   .apply(', '.join)
   .unstack()
   .reset_index()

---

这个问题解决得很好，谢谢！你能解释一下嵌套lambda函数是如何工作的吗？我没办法想清楚。别担心：）@veterpargat第一次申请是在每个组上，数据框对应于John/Lucy。这里的x表示数据帧。在每个组中，我们使用了第二个apply，这是一个dataframeapply，它在每个列上应用一个函数。这里，我们将所有非空字符串连接到一列中。总之，我们按名称/性别拆分数据帧，并对每个数据帧应用（第一个）操作。然后在每个数据帧中，我们在每列上应用（第二个）函数

(df.set_index(['Name','Sex']) 
   .groupby(level=[0,1])
   .apply(lambda x:x.apply(lambda y: ', '.join(y.dropna())))
   .reset_index())

(df.set_index(['Name','Sex'])
   .stack()
   .groupby(level=[0,1,2])
   .apply(', '.join)
   .unstack()
   .reset_index()