Início / coding / Perguntas / 78903730
Accepted
Bijan
Asked: 2024-08-23 06:26:52 +0800 CST

Pandas lista todos os valores exclusivos com base em Groupby

  • 772

Eu tenho um dataframe que contém informações do local de trabalho.

District#    Site#           Address
        1        1    123 Bayview Ln
        1        2    456 Example St
        2       36      789 Hello Dr
        2       44      789 Hello Dr

Estou tentando transformar esse dataframe para adicionar uma coluna com o Site# mais alto, bem como os endereços distintos quando agrupo por Distrito#. Aqui está um exemplo de como desejo que seja a saída:

District#    Site#           Address    MaxSite#            All District Addresses
        1        1    123 Bayview Ln           2     123 Bayview Ln,456 Example St
        1        2    456 Example St           2     123 Bayview Ln,456 Example St
        2       36      789 Hello Dr          44                      789 Hello Dr
        2       44      789 Hello Dr          44                      789 Hello Dr

Consigo obter o Max Site# fazendo

df['MaxSite#'] = df.groupby(by='District#')['Site#'].transform('max')

Mas estou tentando encontrar uma maneira semelhante de listar todos os endereços exclusivos quando agrupo por Distrito#.

Eu tentei fazer, .transform('unique')mas esse não é um nome de função válido e retornar .agg(['unique'])dimensões que não correspondem

python

3 respostas

  1. Best Answer

    Você pode usar groupbye aggpara obter o número máximo do site e listar todos os endereços

    Então, mergede volta ao dataframe original:

    grouped_df = df.groupby('District#').agg(Max_Site_Num=('Site#', 'max'), 
      All_District_Addresses=('Address', lambda x: list(set(x))).reset_index()

df = df.merge(grouped_df,on='District#')

    Saída:

         District#  Site#         Address  Max_Site_Num            All_District_Addresses
0          1      1  123 Bayview Ln             2  [123 Bayview Ln, 456 Example St]
1          1      2  456 Example St             2  [123 Bayview Ln, 456 Example St]
2          2     36    789 Hello Dr            44                    [789 Hello Dr]
3          2     44    789 Hello Dr            44                    [789 Hello Dr]
    • 5

  2. Existem duas etapas para obter endereços exclusivos.

    1. Obtemos os endereços exclusivos correspondentes a cada um District#e os transformamos em uma única string
    2. Em seguida, criamos a All District AddressesSérie mapeando District#para o unique_addressesDataFrame.
    data = {
 "District#": [1, 1, 2, 2],
 "Site#": [1, 2, 36, 44],
 "Address": ["123 Bayview Ln", "456 Example St", "789 Hello Dr", "789 Hello Dr"]
}
df = pd.DataFrame(data)
# Series you already calculated
df['MaxSite#'] = df.groupby(by='District#')['Site#'].transform('max') 

# Adding per-district unique addresses 
unique_addresses = df.groupby(by="District#")["Address"].unique().apply(lambda x: ",".join(x))  # to make values a single string
df["All District Addresses"] = df["District#"].map(unique_addresses)

    Saída:

       District#  Site#         Address  MaxSite#         All District Addresses
0          1      1  123 Bayview Ln         2  123 Bayview Ln,456 Example St
1          1      2  456 Example St         2  123 Bayview Ln,456 Example St
2          2     36    789 Hello Dr        44                   789 Hello Dr
3          2     44    789 Hello Dr        44                   789 Hello Dr

    Uma linha, se você preferir:

    df["All District Addresses"] = df["District#"].map(df.groupby(by="District#")["Address"].unique().apply(lambda x: ",".join(x)))
    • 3

  3. Usando transform:

    df["Max_Site_Num"] = df.groupby("District#")["Site#"].transform("max")
df["All_District_Addresses"] = df.groupby("District#")["Address"].transform(
    lambda x: ",".join(set(x))
)

       District#  Site#         Address  Max_Site_Num         All_District_Addresses
0          1      1  123 Bayview Ln             2  456 Example St,123 Bayview Ln
1          1      2  456 Example St             2  456 Example St,123 Bayview Ln
2          2     36    789 Hello Dr            44                   789 Hello Dr
3          2     44    789 Hello Dr            44                   789 Hello Dr
    • 2

relate perguntas