使用 agg & join 对一列进行分组，但仅限于唯一值答案

【问题标题】：Grouping one column using agg & join but only on unique values使用 agg & join 对一列进行分组，但仅限于唯一值
【发布时间】：2018-07-17 10:14:25
【问题描述】：

我在以下数据集上使用了这段巧妙的代码

    df = pd.DataFrame({
    'contact_email': ['info@info.com', 'info@info.com', 'info@info.com'], 
    'interest': ['Math', 'Science', 'Science']
})
    print(df)
    interest contact_email
0   Math    info@info.com
1   Science info@info.com
2   Science info@info.com

df = df.groupby('Contact_Email').agg({'interest' : ' '.join}).reset_index()
print(df)

        contact_email   AOI
0   info@info.com   Math Science Science

这与我想要的非常接近，但我只需要返回独特的兴趣。（我让用户/客户输入相同的表单，几乎 10 次使用相同的值！）

另外，很高兴有谁知道如何删除 0,1,2,3 索引。

谢谢！

【问题讨论】：

标签： python pandas pandas-groupby

【解决方案1】：

使用unique 删除重复项：

df = (df.groupby('contact_email')
        .agg({'interest' : lambda x: ' '.join(x.unique())})
        .reset_index())
print(df)
   contact_email      interest
0  info@info.com  Math Science

或者sets，但是值的顺序应该改变：

df = df.groupby('contact_email').agg({'interest' : lambda x: ' '.join(set(x))}).reset_index()
print(df)
   contact_email      interest
0  info@info.com  Math Science

或drop_duplicates:

df = (df.drop_duplicates(subset=['contact_email','interest'])
       .groupby('contact_email')
       .agg({'interest' : ' '.join})
       .reset_index())
print(df)
   contact_email      interest
0  info@info.com  Math Science

【讨论】：

@Datanovice - 欢迎您！但如果需要最好的性能，我猜最后一个解决方案应该是最快的（取决于数据）
我只有 3000 条记录，我们每个月只有 4-8k 用户输入我们的表单，所以这是完美的 :)

【解决方案2】：

由于你只有一个功能，你可以使用groupby + apply 并使用set：

res = df.groupby('contact_email')['interest']\
        .apply(set).apply(' '.join)\
        .reset_index()

print(res)

   contact_email      interest
0  info@info.com  Math Science

【讨论】：