Pandas 分组聚合：使用Pandas groupby将多行字符串拼接

在本文中，我们将介绍如何使用Pandas组合字符串。假设我们有一个数据集，其中包含有关客户的信息，例如客户姓名、邮箱地址和电话号码等信息。如果某些客户有多个电话号码或多个电子邮件地址，那么如何将它们组合在一个单一的字符串中呢？

使用Pandas库中的groupby方法，可以快速解决这个问题。groupby函数将数据集按照给定的列分组并应用函数，例如聚合、转换或筛选。我们可以使用以下示例数据集：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Charlie'],
        'email': ['alice@gmail.com', 'bob@hotmail.com', 'charlie@yahoo.com', 'alice@yahoo.com', 'charlie@gmail.com'],
        'phone': ['111-222-3333', '333-444-5555', '555-666-7777', '111-333-5555', '444-555-6666']}

df = pd.DataFrame(data)

       name                email         phone
0     Alice      alice@gmail.com  111-222-3333
1       Bob      bob@hotmail.com  333-444-5555
2   Charlie    charlie@yahoo.com  555-666-7777
3     Alice      alice@yahoo.com  111-333-5555
4   Charlie   charlie@gmail.com  444-555-6666

现在，我们希望将每个人的电子邮件和电话号码组合在一个单一的字符串中，并将它们按照姓名分组。

阅读更多：Pandas 教程

Step 1: 分组

使用groupby方法将数据集按照’name’列进行分组：

grouped_data = df.groupby('name')

现在，grouped_data变量是一个pandas.core.groupby.DataFrameGroupBy对象，它包含每个组的数据。

Step 2: 将字符串进行拼接

现在，我们需要编写一个函数来将电子邮件和电话号码组合在一起，并使用逗号分隔它们。我们可以使用join方法来完成这个任务。join函数的参数接受以逗号分隔的字符串列表：

def combine_strings(series):
    return ', '.join(series)

在上面的代码中，我们定义了一个名为’combine_strings’的函数来组合电子邮件和电话号码。然后，我们将此函数应用于groupby对象的’phone’和’email’列：

df_combined = grouped_data.agg({'email': combine_strings,
                                'phone': combine_strings})

在上面的代码中，我们使用agg方法来应用函数’combine_strings’。agg方法自动组合组内的数据并返回数据框。

Step 3: 重置索引

由于agg方法返回一个包含多层索引的数据框，我们需要将索引重置为默认的整数序列：

df_combined = df_combined.reset_index()

完整代码

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Charlie'],
        'email': ['alice@gmail.com', 'bob@hotmail.com', 'charlie@yahoo.com', 'alice@yahoo.com', 'charlie@gmail.com'],
        'phone': ['111-222-3333', '333-444-5555', '555-666-7777', '111-333-5555', '444-555-6666']}

df = pd.DataFrame(data)
grouped_data = df.groupby('name')

def combine_strings(series):
    return ', '.join(series)

df_combined = grouped_data.agg({'email': combine_strings,
                                'phone': combine_strings})

df_combined = df_combined.reset_index()

print(df_combined)

输出：

      name                             email                                      phone
0    Alice           alice@gmail.com, alice@yahoo.com                       111-222-3333, 111-333-5555
1      Bob                         bob@hotmail.com                                      333-444-5555
2  Charlie  charlie@yahoo.com, charlie@gmail.com  555-666-7777, 444-555-6666

我们可以看到，现在我们已经成功地将电子邮件和电话号码组合在一个单一的字符串中，并按照姓名分组。