数据城堡参赛代码实战篇（三）---我们来探究一个深奥的问题！

每天12点是小编最激动的时候，因为自己写的帖子又可以与大家见面啦，昨天把帖子传到某个大神组织的数据挖掘交流群时，某挖掘机朋友问了小编一个深刻的问题，题目看似很简单，但是以小编大脑里的知识系统来说，根本没有思路。此时，各路大神纷纷支招，问题顺利解决，小编也算涨了涨见识！所以小编今天想暂停一期数据城堡的代码实战，来带大家一探昨晚的究竟！

1 问题1

问题首先是这样的：

大神开始支招：

纳尼！字符串可以通过sum()进行拼接，简直颠覆了我的三观，吓得小编赶紧写代码一试：

df =pd.DataFrame([(0,'abc'),(0,'bcd'),(1,'efg')],columns=['id','str'])
print (df.groupby(['id'])['str'].sum())

输出结果如下：

id
0    abcbcd
1       efg

居然真的可以，小编的知识真是太狭隘了，给好好上了一课，惭愧惭愧！

2 问题2

问题又来了，这次是这样的：

这时小编开始瞎搞，把后面的sum() 替换为join(' '),报错了！大神又开始支招了：

小编又亲自尝试了一番，代码如下：

df['str']=df['str'].apply(lambda x:' '+x)
df1=df.groupby('id').sum()
df1['str']=df1['str'].apply(lambda x:x[1:])
print (df1)

输出结果如下：

        str
id         
0   abc bcd
1       efg

小编对这段代码的理解是这样的：第一行，我们首先对str列中的每一个值，通过一个匿名函数lambda进行处理，在每一个值前面加一个空格；随后我们根据id值进行分组并通过sum()运算进行连接，同时赋值给一个新的DataFrame；最后我们再通过一个匿名函数去掉开头的一个空格即可。

此时，另一位大神又来支招啦，使得我们的代码更加简洁：

代码实现是这样的：

df2=df.groupby(['id']).apply(lambda x:' '.join(x['str']))
print (df2)

输出如下：

id
0     abc  bcd
1          efg

仅仅用了一行，就实现了上面三行的功能，小编带你一同分析一下这句代码。首先仍然是根据id进行分组，我们来看一下分组之后的数据类型：

print (type(df.groupby(['id'])))

输出如下：

<class 'pandas.core.groupby.DataFrameGroupBy'>

可以看到，输出是一个DataFrameGroupBy对象，我们要怎么对这个对象进行预览呢？我们首先尝试如下代码：

for group in group_df:
    print (type(group))
    print (group）

我们来看看输出：

<class 'tuple'>
(0,    id   str
0   0   abc
1   0   bcd)
<class 'tuple'>
(1,    id   str
2   1   efg)

天呐，我们得到是一个个元组，这也太不好看了。其实，真正的预览方式应该是这样的：

for id, group in group_df:
    print(type(group))
    print(id)
    print(group)

输出结果如下：

<class 'pandas.core.frame.DataFrame'>
0
   id   str
0   0   abc
1   0   bcd
<class 'pandas.core.frame.DataFrame'>
1
   id   str
2   1   efg

这样就清晰很多了嘛，我们得到了每一个group都是DataFrame对象。

为什么会这样呢，这是因为前文所提到的DataFrameGroupBy对象是一个二元元组，由分组名（此处即id值）和数据块组成，因此在迭代的时候我们要指定两个参数，分别获取分组名和数据块，从而顺利完成遍历。

我们再来回顾一下上面的代码：

df2=df.groupby(['id']).apply(lambda x:' '.join(x['str']))

分组之后为什么直接作用于一个lambda函数上就能得到我们想要的效果呢，这是因为代码中的x是每一组的数据块，而不是一个二元元组，这是最关键的！然后我们对每一组的数据块通过一个空格进行连接即可，这里值得提醒大家的是当我们通过列名获得DataFrame中一列时，返回的是一个Series对象，它可直接使用join方法进行连接。

print (type(df['str']))
<class 'pandas.core.series.Series'>

3 总结

本篇，小编带你回顾了一下昨天发生在群里的一些小故事，并详细带大家分析了遇到的问题，希望大家有所收获！在此，特别感谢问题的提问者以及回答者（排名不分先后）@Winfield @self @穆文

小编也是一枚数据挖掘领域的小菜鸟，遇到问题不会是正常的，但是最主要的是一种虚心学习的态度，希望大家能与小编一起共同成长和进步！