Python Groupby和join值，但保留所有列

我有这个数据帧，希望根据ID分组并加入值

ID  | A_Num | I_Num
--------------------------
001 | A_001 | I_001
002 | A_002 | I_002
003 | A_003 | I_004
005 | A_002 | I_002

期望输出

ID      | A_Num | I_Num
--------------------------
001     | A_001 | I_001
002;005 | A_002 | I_002
003     | A_003 | I_004

代码：

当我将数据帧写入csv文件时，我只有ID列。

尝试

reset\u index（）

：

df=df.groupby（['A_Num'，'I_Num']）[“ID”].apply（lambda标记：'；'）.join（标记.值））.reset_index（）

---

这样，将执行来自

apply（）

的聚合，然后将其重新指定为

列

，而不是

索引

，另一种方法是：

result= df.groupby(['A_Num', 'I_Num']).agg({'ID': list})
result.reset_index(inplace=True)
result[['ID', 'A_Num', 'I_Num']]

输出为：

Out[37]: 
             ID    A_Num   I_Num
0        [001 ]   A_001    I_001
1  [002 , 005 ]   A_002    I_002
2        [003 ]   A_003    I_004

在这种情况下，ID包含列表。如果您想要字符串，只需执行以下操作：

result['ID']= result['ID'].map(lambda lst: ';'.join(lst))
result[['ID', 'A_Num', 'I_Num']]

哪些产出：

Out[48]: 
        ID  A_Num  I_Num
0      001  A_001  I_001
1  002;005  A_002  I_002
2      003  A_003  I_004

---

Groupby'A_Num'和'I_Num'，然后合并相同组中的ID

df.groupby(['A_Num','I_Num']).ID.apply(lambda x: ';'.join(x.tolist())).reset_index()

---

您正在这里选择

ID

列

df=df.groupby（['A_Num'，'I_Num']）['ID']

对不起，我不明白您的意思

df.groupby（['A_Num'，'I_Num']）['ID']。应用（'；'.join）。重置索引（）.reindex（columns=df columns）。to_csv（…）

以保持原始列顺序

df.groupby(['A_Num','I_Num']).ID.apply(lambda x: ';'.join(x.tolist())).reset_index()