Pandas:只连接分组数据帧中选定列中的值的有效方法

Question

我有一个df，所以

   LAST_MOD_DATE       ID    TITLE          TXT_ID             TXT  
0  1486047205463        2    TITLE-2        7                  ABC   
1  1486047205463        2    TITLE-2        5                  XYZ   
2  1486047205463        2    TITLE-2        6                  MNQ 

我想按ID对其进行分组，以便将其展平为单行。具有不同值的字段TXT_ID和TXT将合并为一个具有逗号分隔值的字段。因此，如下所示：

ID 
2  1486047205463     TITLE-2        7, 5, 6          ABC, XYZ, MNQ

我只能通过以下方式获取单个列：

df.groupby('ID')['TXT'].apply(lambda x:', '.join(x))

但是如何在整个df上这样做，以便我可以有选择地连接一些列，同时只选择相同组中其他列的顶值。现在，我通过将这些值聚合为一个集合，然后为某些列扩展该集合来完成此操作。但这似乎并不是很有效

Answer 1

使用agg并提供要应用于每列的函数。这里我给你一个混合的例子，我只对'ID‘进行分组，以说明如何获取'TITLE’上的第一个元素，但你可以针对它对你的样本进行分组(这可能不是你有的一般情况：

df.groupby('ID').agg({'TITLE':'first', 
                      'TXT_ID':lambda x:', '.join(x),
                      'TXT':lambda x:', '.join(x)})
Out[288]: 
      TITLE   TXT_ID            TXT
ID                                 
2   TITLE-2  7, 5, 6  ABC, XYZ, MNQ