Python 使用dataframe列连接groupby之后另一列的值

我有这样一个数据帧：

import pandas as pd

df = pd.DataFrame(
    {
        'group': list('ABBCA'),
        'values': list('xyztr'),
        'joiner': ['j1', 'j2', 'j2', 'j3', 'j1']
    }
)

  group values joiner
0     A      x     j1
1     B      y     j2
2     B      z     j2
3     C      t     j3
4     A      r     j1

df.groupby('group')['values'].transform(" - ".join)

0    x - r
1    y - z
2    y - z
3        t
4    x - r

df.groupby(['group', 'joiner'])['values']\
    .transform(lambda gr: (' ' + gr.name[1] + ' ').join(gr))

现在，我想按列

分组

，并使用

joiner

中的条目在

values

中加入相应的值。比如说：

import pandas as pd

df = pd.DataFrame(
    {
        'group': list('ABBCA'),
        'values': list('xyztr'),
        'joiner': ['j1', 'j2', 'j2', 'j3', 'j1']
    }
)

  group values joiner
0     A      x     j1
1     B      y     j2
2     B      z     j2
3     C      t     j3
4     A      r     j1

df.groupby('group')['values'].transform(" - ".join)

0    x - r
1    y - z
2    y - z
3        t
4    x - r

df.groupby(['group', 'joiner'])['values']\
    .transform(lambda gr: (' ' + gr.name[1] + ' ').join(gr))

只是它应该使用

df['joiner']

中的相应值

我该怎么做

预期结果将是：

0    x j1 r
1    y j2 z
2    y j2 z
3        t
4    x j1 r

我们可以安全地假设

joiner

值与

group

列一致（否则

groupby

将失败）。

这里有一种方法：

m=df.groupby('group').agg({'values':list,'joiner':'first'})
s=pd.Series([f' {b} '.join(a) for a,b in zip(m['values'],m['joiner'])],index=m.index)
final=df.assign(new=df.group.map(s))

---

使用映射器和

---

---

试着这样做：

import pandas as pd

df = pd.DataFrame(
    {
        'group': list('ABBCA'),
        'values': list('xyztr'),
        'joiner': ['j1', 'j2', 'j2', 'j3', 'j1']
    }
)

  group values joiner
0     A      x     j1
1     B      y     j2
2     B      z     j2
3     C      t     j3
4     A      r     j1

df.groupby('group')['values'].transform(" - ".join)

0    x - r
1    y - z
2    y - z
3        t
4    x - r

df.groupby(['group', 'joiner'])['values']\
    .transform(lambda gr: (' ' + gr.name[1] + ' ').join(gr))

这是另一种方法

s=df.groupby('group').apply(lambda x: (' '+x['joiner'].iloc[0]+ ' ').join(x['values'])).reindex(df.group)
group
A    x j1 r
B    y j2 z
B    y j2 z
C         t
A    x j1 r
dtype: object
df['new']=s.values