python - 如何对 CSV 中的唯一 COL2 和 COL3 值中的唯一 COL1 值进行分组

Question

寻求使用架构 COL1=INT、COL2=STR、COL3=STR 转换 CSV 表，如下所示:

输入示例

INT1, S1, S2
INT1, S1, S3
INT1, S2, S3
INT2, S1, S2
INT2, S1, S3
INT2, S1, S4
INT2, S2, S3
INT2, S2, S4
INT2, S3, S4

到输出 CSV/表，其中 COL2 或 COL3 中的唯一字符串作为 COL1 输出，后跟它们出现的唯一 COL1 INT 的列表(在输出表/CSV 的 COL2 中)。

输出 CSV/表格:

S1, [INT1, INT2]
S2, [INT1, INT2]
S3, [INT1, INT2]
S4, [INT2]

Answer 1

首先，您可以使用 melt将 COL2 和 COL3 垂直堆叠为长格式。其次，您现在可以使用 groupby按熔化列进行分组并获取每个子组(S1、S2 等)的 COL1 的唯一值:

# create example df
df = pd.DataFrame([["INT1", "S1", "S5"], 
                   ["INT1", "S2", "S3"],
                   ["INT2", "S1", "S2"],
                   ["INT2", "S1", "S3"]],
                  columns=["COL1", "COL2", "COL3"])
print(df)

    COL1    COL2    COL3
0   INT1    S1      S5
1   INT1    S2      S3
2   INT2    S1      S2
3   INT2    S1      S3

result =  pd.melt(df, id_vars="COL1").groupby("value")["COL1"].unique()
print(result)

S1    [INT1, INT2]
S2    [INT1, INT2]
S3    [INT1, INT2]
S5    [INT1]