熊猫数据提取

Question

我有这样的数据：

   Name    Keyword
0  file1   d
1  file2   a
2  file1   a
3  file1   d
4  file2   d

a = [['file1','d'],['file2','a'],['file1','a'],['file1','d'],['file2','d']]

b = pd.DataFrame.from_records(a).rename({0:"Name",1:"Keyword"}, axis = 1)

现在，如果您根据“关键字”和“名称”对它们进行分组，并进行如下计数：

b[["Keyword", "Name"]].groupby(["Keyword", "Name"]).size().reset_index().rename({0:"Count"},axis =1)

我们会得到这样的东西：

   Keyword  Name    Count
0  d        file1   2
1  d        file2   1
2  a        file1   1
3  a        file2   1

现在我希望输出是这样的：

   Keyword  Name  
0  d        file1  
2  a        file1, file2  

它是对应于每个“关键字”的最大“计数”的“名称”。如果最大计数有多个“Name”，则应该将这些“Name”组合在逗号分隔的字符串中。

我们总是可以这样做，将dataframe转换成python列表，但是我想出了一个更好的方法而不用list。

任何帮助都将不胜感激！

提前感谢！

Answer 1

两步，

Groupby和lambda返回一个真假布尔值

然后是Groupby和agg

s = df.groupby('Keyword')['Count'].apply(lambda x : x.eq(x.max()))

df2 = df.loc[s].groupby(['Keyword'])['Name'].agg(','.join).reset_index()

print(df2)

 Keyword         Name
0       a  file1,file2
1       d        file1