Python 跨多列聚合数据帧

我正在尝试为每个零件号创建一个数据帧的通用函数。

数据帧是通过读取一个巨大的csv创建的，它是

115371 x 174

。例如，我已将数据缩减到下表：

| Part | Plant | Make_Buy |
|:----:|:-----:|:--------:|
|   A  |       |    Buy   |
|   A  |  XXX  |   Make   |
|   A  |  XXX  |    Buy   |
|   A  |  XXY  |    Buy   |
|   A  |  XXY  |   Make   |
|   B  |   YY  |   Make   |
|   B  |  XXY  |   Make   |

这里也是Python代码：

import pandas as pd

d = {'part': ['A', 'A', 'A', 'A', 'A', 'B', 'B'], 
     'plant': [None, 'XXX', 'XXX', 'XXY', 'XXY', 'YY', 'XXY'],
     'make_buy': ['Buy', 'Make', 'Buy', 'Buy', 'Make', 'Make', 'Make']}
df = pd.DataFrame(data=d)

理想的功能将能够执行以下操作：

对于包含单个零件多个值的任何列，将其聚合

理想的数据帧如下所示：

| Part |   Plant  |  Make_Buy |
|:----:|:--------:|:---------:|
|   A  | XXX, XXY | Buy, Make |
|   B  |  YY, XXY |    Make   |

问题是，共有175列。所以我需要一些足够通用的东西来扫描每一列，如果有多行，应用聚合。我知道在

Oracle SQL

中我可以做到：

SELECT
Part,
LISTAGG(col1, ', ') AS col1,
LISTAGG(col2, ', ') AS col2,
etc

FROM
table

我已经研究过通过文本列进行聚合，但我不知道如何进行常规更改：

df['part'] = df[['part','plant','make_buy']].groupby(['part'])['part'].transform(lambda x: ','.join(x))
df[['part','plant','make_buy']].drop_duplicates()

---

对于每一列

，您可以使用

集合

来实现以下目的：

df.groupby('Part').agg(set)

          Plant     Make_Buy
Part                         
A     {XXY, XXX}  {Buy, Make}
B      {YY, XXY}       {Make}

要将结果作为字符串，请执行以下操作：

df.groupby('Part').agg(lambda x: ', '.join(set(x)))

       Plant   Make_Buy
Part                     
A     XXY, XXX  Buy, Make
B      YY, XXY       Make

---

您可以为此使用

集合

：

df.groupby('Part').agg(set)

          Plant     Make_Buy
Part                         
A     {XXY, XXX}  {Buy, Make}
B      {YY, XXY}       {Make}

要将结果作为字符串，请执行以下操作：

df.groupby('Part').agg(lambda x: ', '.join(set(x)))

       Plant   Make_Buy
Part                     
A     XXY, XXX  Buy, Make
B      YY, XXY       Make

---

df.groupby（'Part'）.agg（lambda x:'，'.join（set（x））

仅返回

make_buy

变量。@wundermahn:如果希望将

df.groupby（'Part'）.agg（set）

作为列表，则可以执行

df.groupby（'Part'）.agg（set）.apply（lambda x:x.apply（list））

。我希望它不是列中的数据结构，最后，我将使用

sklearn

对其进行虚拟编码。有没有办法将它保持为字符串，但用逗号分隔@ybml@wundermahn这就是答案的第二部分所做的？

df.groupby（'part'）.agg（lambda x:'，'.join（set（x））

只返回

make_buy

变量。@wundermahn:如果您想将df.groupby（'part'）.agg（set）作为列表，您可以执行

df.groupby（'part'）.agg（set'）.apply）。apply（lambda x:x.apply（list））

。我希望它不是列中的数据结构，因为我将使用

sklearn

对其进行虚拟编码。有没有办法将它保持为字符串，但用逗号分隔@ybml@wundermahn答案的第二部分就是这么做的？