如何对来自 CSV 的唯一 COL2 和 COL3 值的唯一 COL1 值进行分组

Posted 2023-02-25

【中文标题】如何对来自 CSV 的唯一 COL2 和 COL3 值的唯一 COL1 值进行分组

【英文标题】：How to group unique COL1 values across unique COL2 & COL3 values from CSV

【发布时间】：2017-03-08 21:22:03

【问题描述】：

寻求转换具有架构 COL1=INT、COL2=STR、COL3=STR 的 CSV 表：

输入样本

INT1, S1, S2
INT1, S1, S3
INT1, S2, S3
INT2, S1, S2
INT2, S1, S3
INT2, S1, S4
INT2, S2, S3
INT2, S2, S4
INT2, S3, S4

到输出 CSV/表，其中 COL2 或 COL3 中的唯一字符串输出为 COL1，后跟它们出现的唯一 COL1 INT 的列表（在输出表/CSV 的 COL2 中）。

输出 CSV/表格：

S1, [INT1, INT2]
S2, [INT1, INT2]
S3, [INT1, INT2]
S4, [INT2]

【问题讨论】：

独特是什么意思？列唯一还是第 2 列和第 3 列唯一？

【参考方案1】：

首先，您可以使用melt 将COL2 和COL3 垂直堆叠成长格式。其次，您现在可以使用groupby 对熔化的列进行分组，并为每个子组（S1、S2 等）获取COL1 的唯一值：

# create example df
df = pd.DataFrame([["INT1", "S1", "S5"], 
                   ["INT1", "S2", "S3"],
                   ["INT2", "S1", "S2"],
                   ["INT2", "S1", "S3"]],
                  columns=["COL1", "COL2", "COL3"])
print(df)

    COL1    COL2    COL3
0   INT1    S1      S5
1   INT1    S2      S3
2   INT2    S1      S2
3   INT2    S1      S3

result =  pd.melt(df, id_vars="COL1").groupby("value")["COL1"].unique()
print(result)

S1    [INT1, INT2]
S2    [INT1, INT2]
S3    [INT1, INT2]
S5    [INT1]

【参考方案2】：

如果COL2和COL3等价，可以将两列堆叠成长格式，按值分组，用set函数找出INT列的唯一元素：

df.set_index(0).stack().rename("s").reset_index().groupby('s')[0].apply(set)

#s
# S1    INT2, INT1
# S2    INT2, INT1
# S3    INT2, INT1
# S4          INT2
#Name: 0, dtype: object