Python Pandas-将列旋转为（有条件的）聚合字符串

假设我将以下数据集转换为数据帧：

data = [
    ['Job 1', datetime.date(2019, 6, 9), 'Jim', 'Tom'],
    ['Job 1', datetime.date(2019, 6, 9), 'Bill', 'Tom'],
    ['Job 1', datetime.date(2019, 6, 9), 'Tom', 'Tom'],
    ['Job 1', datetime.date(2019, 6, 10), 'Bill', None],
    ['Job 2', datetime.date(2019,6,10), 'Tom', 'Tom']
]
df = pd.DataFrame(data, columns=['Job', 'Date', 'Employee', 'Manager'])

这将生成一个数据帧，看起来像：

     Job        Date Employee Manager
0  Job 1  2019-06-09      Jim     Tom
1  Job 1  2019-06-09     Bill     Tom
2  Job 1  2019-06-09      Tom     Tom
3  Job 1  2019-06-10     Bill    None
4  Job 2  2019-06-10      Tom     Tom

我试图生成的是每个唯一的Job/Date组合上的一个轴心，其中一列为Manager，另一列为字符串，其中包含逗号分隔的非Manager雇员。有两件事需要假设：

所有员工的名字都是唯一的（我实际上使用的是唯一的员工id，而不是姓名），经理也是“员工”，因此永远不会有员工和经理共享相同的名字/id，但属于不同的个人的情况

工作组可以有经理，也可以没有经理（参见id为3的行，例如不带经理的行）

经理也将始终列为员工（请参见id为2或4的行）

一个工作可以有一个经理，而不需要额外的员工（参见第ID4行）

我希望生成的数据帧如下所示：

     Job        Date  Manager     Employees
0  Job 1  2019-06-09      Tom     Jim, Bill
1  Job 1  2019-06-10     None          Bill
2  Job 2  2019-06-10      Tom          None

这就引出了我的问题：

是否有一种方法可以执行“，”。像聚合一样加入到数据透视中

是否有方法使此聚合具有条件（排除manager列中的名称/id）

我怀疑1）是可能的，2）可能更难。如果2）是否定的，我可以在以后的代码中以其他方式绕过它。

怎么样

df.groupby(["Job","Date","Manager"]).apply( lambda x: ",".join(x.Employee))

---

这将找到所有唯一的工作日期和经理集，并将员工与“，”放在一个字符串中进行聚合，然后通过删除经理并在适当情况下设置为“无”来修复员工。因为员工是独一无二的，所以在这里集合可以很好地将经理移除

s = df.groupby(['Job', 'Date']).agg({'Manager': 'first', 'Employee': lambda x: set(x)})
s['Employee'] = [', '.join(x.difference({y})) for x,y in zip(s.Employee, s.Manager)]
s['Employee'] = s.Employee.replace({'': None})

---

---

这里棘手的部分是将经理从员工栏中删除

---

---

我倾向于用期望的结果构建一个字典并重建数据帧

d = {}
for t in df.itertuples():
    d_ = d.setdefault((t.Job, t.Date), {})
    d_['Manager'] = t.Manager
    d_.setdefault('Employees', set()).add(t.Employee)

for k, v in d.items():
    v['Employees'] -= {v['Manager']}
    v['Employees'] = ', '.join(v['Employees'])

pd.DataFrame(d.values(), d).rename_axis(['Job', 'Date']).reset_index()

     Job       Date  Employees Manager
0  Job 1 2019-06-09  Bill, Jim     Tom
1  Job 1 2019-06-10       Bill    None
2  Job 2 2019-06-10                Tom

---

在您的情况下，尝试不使用lambda

transform

+

drop\u duplicates

df['Employee']=df['Employee'].mask(df['Employee'].eq(df.Manager)).dropna().groupby([df['Job'], df['Date']]).transform('unique').str.join(',')
df=df.drop_duplicates(['Job','Date'])
df
Out[745]: 
     Job        Date  Employee Manager
0  Job 1  2019-06-09  Jim,Bill     Tom
3  Job 1  2019-06-10      Bill    None
4  Job 2  2019-06-10       NaN     Tom

---

员工和经理可以有相同的名字吗？不可以-请参阅我假设中的第1点-

所有员工的名字都是唯一的（我实际上使用的是员工ID而不是姓名）

。我想澄清一下，经理被认为是“员工”，但经理只是工作中的一个特殊角色。就在“假设”下：“我希望结果数据框看起来像：“是的，对不起。。。看到了吗

                  Employee Manager
Job   Date
Job 1 2019-06-09  Jim,Bill     Tom
      2019-06-10      Bill    None
Job 2 2019-06-10       NaN     Tom

d = {}
for t in df.itertuples():
    d_ = d.setdefault((t.Job, t.Date), {})
    d_['Manager'] = t.Manager
    d_.setdefault('Employees', set()).add(t.Employee)

for k, v in d.items():
    v['Employees'] -= {v['Manager']}
    v['Employees'] = ', '.join(v['Employees'])

pd.DataFrame(d.values(), d).rename_axis(['Job', 'Date']).reset_index()

     Job       Date  Employees Manager
0  Job 1 2019-06-09  Bill, Jim     Tom
1  Job 1 2019-06-10       Bill    None
2  Job 2 2019-06-10                Tom

df['Employee']=df['Employee'].mask(df['Employee'].eq(df.Manager)).dropna().groupby([df['Job'], df['Date']]).transform('unique').str.join(',')
df=df.drop_duplicates(['Job','Date'])
df
Out[745]: 
     Job        Date  Employee Manager
0  Job 1  2019-06-09  Jim,Bill     Tom
3  Job 1  2019-06-10      Bill    None
4  Job 2  2019-06-10       NaN     Tom