Python 如何比较groupby对象的列值并将它们汇总到新的列行中

我有以下问题：我想在数据框中创建一列，汇总一行中的所有值。然后我想比较该列的行，创建一个包含所有列中所有值的行，但是每个值只出现一次。例如：我有以下数据框

    df1:

  Column1 Column2
0    a     1,2,3
1    a     1,4,5
2    b     7,1,5
3    c     8,9
4    b     7,3,5

现在所需的输出是：

df1_new:

  Column1 Column2
0    a    1,2,3,4,5
1    b    1,3,5,7
2    c    8,9

---

我目前正在尝试的是

result=df1.groupby（'Column1'）

，但是我不知道如何比较分组对象行中的值，然后将它们写入新列并删除重复项。我通读了groupby:split-apply-combine的pandas文档，但没有找到一种方法。我还想知道，一旦获得了所需的输出，是否有办法检查分组对象中的行数，df1_new的第2列中的每个值出现了多少行。在此方面的任何帮助都将不胜感激

实现这一点的方法是在分组的数据帧上应用函数

此函数将首先将序列（针对每个组）转换为列表，然后在列表中使用

拆分每个字符串，

然后使用将完整列表链接到单个列表中，然后将其转换为

set

，以便只剩下唯一的值，然后对其进行排序，然后使用

str.join

将其转换回字符串。范例-

from itertools import chain
def applyfunc(x):
    ch = chain.from_iterable(y.split(',') for y in x.tolist())
    return ','.join(sorted(set(ch)))

df1_new = df1.groupby('Column1')['Column2'].apply(func1).reset_index()

演示-

In [46]: df
Out[46]:
  Column1 Column2
0       a   1,2,3
1       a   1,4,5
2       b   7,1,5
3       c     8,9
4       b   7,3,5

In [47]: from itertools import chain

In [48]: def applyfunc(x):
   ....:         ch = chain.from_iterable(y.split(',') for y in x.tolist())
   ....:         return ','.join(sorted(set(ch)))
   ....:

In [49]: df.groupby('Column1')['Column2'].apply(func1).reset_index()
Out[49]:
  Column1    Column2
0       a  1,2,3,4,5
1       b    1,3,5,7
2       c        8,9

那么这个呢：

df1
      Column1 Column2
    0       a   1,2,3
    1       a   1,4,5
    2       b   7,1,5
    3       c     8,9
    4       b   7,3,5

df1.groupby('Column1').\
agg(lambda x: ','.join(x).split(','))['Column2'].\
apply(lambda x: ','.join(np.unique(x))).reset_index()

  Column1    Column2
0       a  1,2,3,4,5
1       b    1,3,5,7
2       c        8,9

---

当前

列2

的类型是什么？打印（键入（df1['Column2'][0]）时，您会得到什么？？请，提供代码来构造DataFrame@AnandSKumarColumn2的类型现在是一个系列

@ssoler Column2是这样创建的：

ResData['AR_Genes']=ResData[ResData.columns[1:10].apply（lambda x:'，'.join（x.dropna（）.astype（str）.astype（str）），axis=1）

，然后使用左合并与已经存在的Column1合并。这意味着Column2的元素类型是

str

，而不是Series。您应该输出我给出的

print

语句的结果，这对每个人来说都会更清楚。您是否关心生成的

列2

中的顺序，以及

列2

中字符串中元素的顺序？@AnandSKumar我在指向您的句子中输出的代码是您的

print

语句的结果。不，元素的顺序并不重要。我想我应该多做一些关于熊猫的教程…谢谢你的回答！但是，当我尝试运行它时，我得到一个错误

AttributeError:“float”对象没有属性“split”

，它可以追溯到

df.groupby（'Column1'['Coulmn2']].apply（applyfunc）.reset_index（）

。这可能与第2列中的某些行中存在

NaN

这一事实有关吗？是的，也许你可以在执行

y.split

之前设置一个条件来检查

NaN

。奇怪的是，删除所有

NaN

的条件不起作用。但我可以通过设置在一个新的df中输出条件并在其上应用代码，这很有效。再次感谢！感谢您的回答！但是，当我尝试运行您的代码时，它得到

ValueError：传递值的形状是（42，2），索引暗示（42，1）

。因为我的数据（字符串）与示例中的格式相同，我唯一的解释是在第2列的某些行中存在

NaN

值…@sequence\u难的是

NaN

作为字符串中的一个数字，还是总行作为

NaN

，或者任何

NaN

有时是第2列中的值，但从来不是第1列中的值