Python 保留一列，但在Groupby和Agg中使用其他列

我的目标是按特定列（标识符）对数据集进行分组，然后执行一些自定义操作（首先按日期排序，然后连接状态）

以下是我迄今为止所做的工作

import pandas as pd
from io import StringIO
text = """date  identifier  status
1/1/18  A   Pending
1/1/18  B   Pending
1/1/18  C   Pending
1/2/18  A   Approve
1/2/18  B   Pending
1/2/18  C   Pending
1/3/18  B   Approve
1/3/18  C   Pending"""
text = StringIO(text)
df = pd.read_csv(text, sep="\t") 

# group by identifier 
# within the group, sort by date
# then concatenate by status

def myfunc(df):
    df.sort_values(by="date", ascending=True)
    res = [s[0] for s in df['status']]
    return ''.join(res)

df.groupby(['identifier']).agg(lambda x: myfunc(x))

id  date  status        
A   PA  PA
B   PPA PPA
C   PPP PPP

似乎

agg

会将

lambda

函数应用于每一列，当应用于每一列时，整个组都将可见，从而导致

状态

和

日期

出现在最终结果中并共享相同的输出我可以在之后删除日期列，但似乎并不理想

我试图指定status列，然后您将无法看到要包含的其他列（用于排序）

总之，我应该如何正确使用agg函数来获得最终结果

id   status        
A    PA
B    PPA
C    PPP

---

IIUC，您可以先进行切片，然后只进行

agg

df['letter'] = df.status.str[0]
df.groupby('identifier').letter.agg(''.join)

identifier
A     PA
B    PPA
C    PPP

---

但是，如果您真的想使用

myfunc

，您可以通过执行以下操作来更正

重新分配

排序\u值

（或完全删除）：按照现在的方式，您正在排序，但不使用

排序\u值的返回值

。因此，实际上什么也没有做。（我认为在使用

groupby

和

agg

之前，您应该对值进行

排序，而不是在
agg func
中

指定要

agg

的

status

col，而不是所有col。您可以通过两种方式来完成，如下所示

代码如下所示：

def myfunc(ser):
    res = [s[0] for s in ser]
    return ''.join(res)

df = df.sort_values('date', ascending=True)
df.groupby(['identifier']).agg({'status': lambda x: myfunc(x)})

或

---

分组后，如何按日期排序，但要连接状态？代码的后半部分是按状态排序，而不是按日期排序。@B.Mr.W.true。在一切工作开始之前，只需执行

df.sort_values（by='date'）

，我想我是否真的想指定在聚合期间使用哪些列，并且对输出的列也很挑剔，我可能不得不在分组对象中循环，而不是直接使用agg。

def myfunc(ser):
    res = [s[0] for s in ser]
    return ''.join(res)

df = df.sort_values('date', ascending=True)
df.groupby(['identifier']).agg({'status': lambda x: myfunc(x)})

df.groupby(['identifier']).status.agg(lambda x: myfunc(x))

#same as 
df.groupby(['identifier']).status.agg(myfunc)