Python 熊猫过滤大于1的唯一值并连接唯一值

我有一个数据框：

df2 = pd.DataFrame({'c':[1,1,1,2,2,2,2,3],
                    'type':['m','n','o','m','m','n','n', 'p']})

我想找出

c

的哪些值具有多个唯一类型，对于这些值，返回

c

值、唯一类型的数量以及连接在一个字符串中的所有唯一类型

到目前为止，我已经用了这两个问题：

这是可行的，但我无法获得唯一值（例如，在第二行中，我希望只有一个

m

和一个

n

）。 我的问题如下：

我可以跳过创建“唯一计数”的中间步骤吗 创造一些临时的东西

如何仅筛选唯一值 第二步呢

---

先删除唯一行，然后计算值的解决方案-创建帮助程序系列

s

，并使用唯一字符串

set

s:

s= df2.groupby('c')['type'].transform('nunique').rename('Unique counts')
a = df2[s > 1].groupby(['c', s]).agg(lambda x: '-'.join(set(x)))
print (a)

                  type
c Unique counts       
1 3              o-m-n
2 2                m-n

另一个想法是首先通过以下方式删除重复项：

然后使用join聚合计数：

a = df3.groupby('c')['type'].agg([('Unique Counts', 'size'), ('Type', '-'.join)])
print (a)
   Unique Counts   Type
c                      
1              3  m-n-o
2              2    m-n

---

或者，如果需要首先聚合所有值：

df4 = df2.groupby('c')['type'].agg([('Unique Counts', 'nunique'), 
                                  ('Type', lambda x: '-'.join(set(x)))])
print (df4)
   Unique Counts   Type
c                      
1              3  o-m-n
2              2    m-n
3              1      p

最后通过以下方式删除唯一行：

---

先删除唯一行，然后计算值的解决方案-创建帮助程序系列

s

，并使用唯一字符串

set

s:

s= df2.groupby('c')['type'].transform('nunique').rename('Unique counts')
a = df2[s > 1].groupby(['c', s]).agg(lambda x: '-'.join(set(x)))
print (a)

                  type
c Unique counts       
1 3              o-m-n
2 2                m-n

另一个想法是首先通过以下方式删除重复项：

然后使用join聚合计数：

a = df3.groupby('c')['type'].agg([('Unique Counts', 'size'), ('Type', '-'.join)])
print (a)
   Unique Counts   Type
c                      
1              3  m-n-o
2              2    m-n

---

或者，如果需要首先聚合所有值：

df4 = df2.groupby('c')['type'].agg([('Unique Counts', 'nunique'), 
                                  ('Type', lambda x: '-'.join(set(x)))])
print (df4)
   Unique Counts   Type
c                      
1              3  o-m-n
2              2    m-n
3              1      p

最后通过以下方式删除唯一行：

使用并传递

（列名、函数）

的

元组：

[外]

使用并传递
（列名、函数）
的
元组：

[外]

根据需要在
唯一计数
列上使用和筛选：

df2 = (df2.groupby('c', as_index=False)
          .agg({'type': ['nunique', lambda x: '-'.join(np.unique(x))]}))
df2.columns = ['c','Unique counts','type']

print(df2)
   c  Unique counts   type
0  1              3  m-n-o
1  2              2    m-n
2  3              1      p

对唯一计数进行过滤
：

df2 = df2.loc[df2['Unique counts']>1,:]

print(df2)
   c  Unique counts   type
0  1              3  m-n-o
1  2              2    m-n

根据需要在
唯一计数
列上使用和筛选：

df2 = (df2.groupby('c', as_index=False)
          .agg({'type': ['nunique', lambda x: '-'.join(np.unique(x))]}))
df2.columns = ['c','Unique counts','type']

print(df2)
   c  Unique counts   type
0  1              3  m-n-o
1  2              2    m-n
2  3              1      p

对唯一计数进行过滤

：

df2 = df2.loc[df2['Unique counts']>1,:]

print(df2)
   c  Unique counts   type
0  1              3  m-n-o
1  2              2    m-n

---

顺序在输出中很重要？不是真的。我只是想要每个组的唯一顺序在输出中很重要？不是真的。我只是想要每个组的唯一顺序非常感谢，这很有效！我是Python新手，来自R，所以我有以下问题：是否可以跳过中间分配到s，以及集合如何工作？@User2321-如果更改另一个解决方案，我想是。@User2321-set是一个无序的项集合。有关更多信息，请检查，非常感谢，这是有效的！我是Python新手，来自R，因此我有以下问题：是否可以跳过s的中间赋值？set如何工作？@User2321-如果再次更改，我想是er解决方案。@User2321-set是无序的项集合。有关详细信息，请检查