python - 缺少 key 的 Pandas groupby

Question

假设我有以下地址和电话号码数据框:

>>> import pandas as pd
>>> df=pd.DataFrame()
>>> df['Address']=['1 Main St','1 Main St','45 Spruce St','45 Spruce St','100 Green St','100 Green St', '500 Washington','500 Washington']
>>> df['Phone']=['555-5555','555-5555','666-6666','666-6667','777-7777',None,None,None]
>>> df
          Address     Phone
0       1 Main St  555-5555
1       1 Main St  555-5555
2    45 Spruce St  666-6666
3    45 Spruce St  666-6667
4    100 Green St  777-7777
5    100 Green St      None
6  500 Washington      None
7  500 Washington      None
>>> 

我想对 Address 和 Phone 字段进行分组，并计算每组中的地址数。但是，我有一个额外的标准:具有相同地址但缺少(不是不同的)电话号码的组应被视为具有相同的地址和电话号码。在我下面的示例中，这意味着最后一条记录也应假定为具有电话号码 777-7777。此外，具有相同地址但都没有电话号码的组也应分组(在我的示例中为华盛顿)。

当我按地址和电话分组时，没有值被丢弃:

>>> df.groupby(['Address','Phone']).size().reset_index().rename(columns={0:'Size'})
        Address     Phone  Size
0     1 Main St  555-5555     2
1  100 Green St  777-7777     1
2  45 Spruce St  666-6666     1
3  45 Spruce St  666-6667     1
>>> 

基本上，本地址组中的所有记录都有电话号码时，我希望按地址和电话分组，而当电话值缺失时，我只按地址分组。我想要的输出是:

          Address     Phone
0       1 Main St  555-5555
1    45 Spruce St  666-6666
2    45 Spruce St  666-6667
3    100 Green St  777-7777
4  500 Washington      None
>>> 

关于我如何做到这一点有什么建议吗？

Answer 1

好问题。

以下情况如何:

def count_phones(g):
    distinct = len(g.dropna().unique())
    return distinct if distinct else 1

>>> df.Phone.groupby(df.Address).agg(count_phones)
Address
1 Main St         1
100 Green St      1
45 Spruce St      2
500 Washington    1
dtype: int64

• 仅按地址分组。

• 在每个组中，计算电话号码的非空唯一值。

• 如果数字是 0，则所有都是 None，我们返回 1。