Python 按第1列分组并从第2列添加逗号分隔的条目

我有一个pandas数据框，大约有500万行，有两列top_level_domain和category。我想创建一个新的数据框架，其中包含不同的顶级域和一个类别列，该列以逗号分隔，用于唯一的类别。此数据帧已具有按性质用逗号分隔的类别。其他领域如谷歌将有重复类别，但我只想要一个

数据帧：

df1
    top_level_domain      category
1   google.com            Search Engines
2   service-now.com       Business, Software/Hardware
3   google-analytics.com  Internet Services
4   live.com              None Assigned
5   google.com            Content Server
6   google.com            Search Engines
7   inspectlet.com        Internet Services
8   doubleclick.net       Online Shopping, Web Ads
9   google.com            Search Engines
10  doubleclick.net       Ads

期望输出：

df2
    top_level_domain      category
1   google.com            Search Engines, Content Server
2   service-now.com       Business, Software/Hardware
3   google-analytics.com  Internet Services
4   live.com              None Assigned
7   inspectlet.com        Internet Services
8   doubleclick.net       Online Shopping, Web Ads, Ads

实现这一目标的最佳方式是什么

我已经试过了所有的例子

和其他人一样，下面的一个，但我仍然得到重复的类别列

distinct_category = distinct_category.groupby('top_level_domain')['category'].agg(lambda x: ', '.join(set(x))).reset_index()

但是我在列中得到了重复的结果

1   zoho.com    Online Shopping, Interactive Web Applications, Interactive Web Applications, Interactive Web Applications, Motor Vehicles
1   zohopublic.com  Internet Services, Motor Vehicles, Internet Services, Online Shopping, Internet Services

---

首先展开数据框，使每行仅包含一个类别：

split = df['category'].str.split(', ')
lens = split.str.len()

df = pd.DataFrame({'top_level_domain': np.repeat(df['top_level_domain'].values, lens),
                   'category': np.concatenate(split)})

然后删除重复项并将agg与str.join一起使用：

---

首先展开数据框，使每行仅包含一个类别：

split = df['category'].str.split(', ')
lens = split.str.len()

df = pd.DataFrame({'top_level_domain': np.repeat(df['top_level_domain'].values, lens),
                   'category': np.concatenate(split)})

然后删除重复项并将agg与str.join一起使用：

---

首先按逗号拆分列，然后按列分组，并使用生成器将嵌套列表与set和join展平：

另一种解决方案是向后分配拆分的值：

df = (distinct_category.assign(category = distinct_category['category'].str.split(', '))
                       .groupby('top_level_domain')['category']
                       .agg(lambda x: ', '.join(set(y for z in x for y in z)))
                       .reset_index())

---

首先按逗号拆分列，然后按列分组，并使用生成器将嵌套列表与set和join展平：

另一种解决方案是向后分配拆分的值：

df = (distinct_category.assign(category = distinct_category['category'].str.split(', '))
                       .groupby('top_level_domain')['category']
                       .agg(lambda x: ', '.join(set(y for z in x for y in z)))
                       .reset_index())

---

以下代码适用于我：

df =df.groupby('top_level_domain')['category'].agg([('category', ', '.join)]).reset_index()

---

以下代码适用于我：

df =df.groupby('top_level_domain')['category'].agg([('category', ', '.join)]).reset_index()