python - 使用 .agg(许多列)保留 groupby 之后的所有列更有效

Question

我发现了一些与这个问题相关的主题，“如何在groupby之后保留所有列”，但我的问题是，我知道如何做，但我不知道如何更有效地做到这一点。

示例:

df=pd.DataFrame({'A':[1,1,2,3], 'B':[2,2,4,3],'d':[2,np.nan,1,4],'e':['this is','my life','not use 1','not use 2'],'f':[1,2,3,4]
                 })

print(df)
   A  B    d          e  f
0  1  2  2.0    this is  1
1  1  2  NaN    my life  2
2  2  4  1.0  not use 1  3
3  3  3  4.0  not use 2  4

如果列 A 和 B 相等，我需要连接列 e 中的字符串。 为此，我使用以下代码:

df=df.groupby(['A','B'],as_index=False).agg({'e':' '.join,'d':'first','f':'first'})
print(df)
   A  B    d  f                e
0  1  2  2.0  1  this is my life
1  2  4  1.0  3        not use 1
2  3  3  4.0  4        not use 2

这对我来说是正确的输出。 但正如你所看到的，为了保留 f 和 d 列，我需要将它们一一放入这个 agg dict 中。 在我的真实数据中，我有 20 列，我不想在代码中手动输入所有这些列的名称。

是否有更好的解决方案来保留 groupby 之后的所有列， 或者有什么方法可以改进我的解决方案，而不是我现在使用的？

Answer 1

您可以使用Index.difference创建动态字典对于所有列值，排除列表和 dict.fromkeys字典的方法，然后将 e 添加到字典中:

d = dict.fromkeys(df.columns.difference(['A','B','e']), 'first')
print(d)
{'d': 'first', 'f': 'first'}

d['e'] = ' '.join
print(d)
{'d': 'first', 'f': 'first', 'e': <built-in method join of str object at 0x00000000025E1880>}

或者您可以分别创建两个字典并将它们合并在一起:

d1 = dict.fromkeys(df.columns.difference(['A','B','e']), 'first')
d2 = {'e': ' '.join}

d = {**d1, **d2}

<小时/>

df=df.groupby(['A','B'],as_index=False).agg(d)
print(df)
   A  B    d  f                e
0  1  2  2.0  1  this is my life
1  2  4  1.0  3        not use 1
2  3  3  4.0  4        not use 2

最后，如果顺序很重要，则与原始添加相同 DataFrame.reindex :

df=df.groupby(['A','B'],as_index=False).agg(d).reindex(df.columns, axis=1)
print (df)
   A  B    d                e  f
0  1  2  2.0  this is my life  1
1  2  4  1.0        not use 1  3
2  3  3  4.0        not use 2  4