如何在 groupby 和平均 DataFrame 之后保留所有列 [重复]

Question

我有一个名为“数据”的数据框：

     USER  VALUE VALUE2
0    XOXO     21    AAA
1   ABC-1      2    BBB
2  ABC-1B      4    CCC
3   ABC-2      4    DDD
4  ABC-2B      6    EEE
5    PEPE     12    FFF

我通过一些代码运行它来组合相似的名称：

data = pd.DataFrame({'USER':['XOXO','ABC-1','ABC-1B','ABC-2','ABC-2B', 'PEPE'], 'VALUE':[21,2,4,4,6,12], 'VALUE2':['AAA','BBB','CCC','DDD','EEE', 'FFF']})
data.USER = data.USER.str.replace('(-\d)B', r"\1")
data = data.groupby('USER', as_index=False, sort=False).VALUE.mean()

但是我最终得到了一个像这样的数据框，其中 VALUE2 被丢弃：

    USER  VALUE
0   XOXO     21
1  ABC-1      3
2  ABC-2      5
3   PEPE     12

如何修改代码以通过保留原始 USER 的 VALUE2 来保留 VALUE2？所以用户'ABC-1'的VALUE2将保留'BBB'和'ABC-2'的'DDD'

    USER  VALUE   VALUE2
0   XOXO     21      AAA
1  ABC-1      3      BBB
2  ABC-2      5      DDD
3   PEPE     12      FFF

Answer 1

Groupby USER 去掉尾随的 B 后。然后使用 .str.contains() 和 .isin() 实现适当的布尔选择和过滤最终数据帧

  df['VALUE']=df[['USER', 'VALUE', 'VALUE2']].groupby(df.USER.str.split('(?<=[1-2])(B)').str[0])['VALUE'].transform('mean')
   df[~((df.USER.str.contains('ABC'))&(~df.VALUE2.isin(['BBB','DDD'])))]

      
        USER  VALUE VALUE2
    0   XOXO     21    AAA
    1  ABC-1      3    BBB
    3  ABC-2      5    DDD
    5   PEPE     12    FFF

工作原理

#Strip trailing B in USER
df.USER=df.USER.str.split('(?<=[1-2])(B)').str[0]

    USER  VALUE VALUE2
0   XOXO     21    AAA
1  ABC-1      2    BBB
2  ABC-1      4    CCC
3  ABC-2      4    DDD
4  ABC-2      6    EEE
5   PEPE     12    FFF

#使用 groupby 变换查找均值

df['VALUE']=df.groupby(df.USER.str.split('(?<=[1-2])(B)').str[0])['VALUE'].transform('mean')
print(df)

USER  VALUE VALUE2
0   XOXO     21    AAA
1  ABC-1      3    BBB
2  ABC-1      3    CCC
3  ABC-2      5    DDD
4  ABC-2      5    EEE
5   PEPE     12    FFF

#Boolean 选择任何包含ABC; (df.USER.str.contains('ABC')) 和哪个没有BBB 和DDD； (~df.VALUE2.isin(['BBB','DDD']))

#合并两个选择，然后使用~反转选择

~((df.USER.str.contains('ABC'))&(~df.VALUE2.isin(['BBB','DDD'])))

#最后过滤数据帧