在GroupBy操作Dask/Pandas后获取所有列
在GroupBy操作Dask/Pandas后获取所有列
提问于 2022-03-21 15:58:54
我有一个像这样简单的数据：
id sim col1 col2 year extra
0 1 1 a b 2021 H
1 2 2 a b 2024 A我想通过col1 & col2的df进行分组，并计算类似分组列中的sim。所以我这么做了我也明白了..。
ddf.groupby(["col1", "col2"]).agg({"sim":"list"}).compute()
col1 col2 sim
a b [1, 2]我也想保持最高的一年。所以我也这么做了：
ddf.groupby(["col1", "col2"]).agg({"sim":"list", "year":"max"}).compute()得到了这个df：
col1 col2 sim year
a b [1, 2] 2024注意:看看分组之间的最大年份是2024年，所以我保留了这个。。
但我失去了其他列像id和额外。我还想根据最大年值得到这些列。所以，无论哪一年是最大的，保持这一行。
但我失去了其他栏目，如id，年份和额外的。那我怎么才能得到这个。
预期结果Df：
id col1 col2 sim year extra
2 a b [1, 2] 2024 A回答 1
Stack Overflow用户
发布于 2022-03-21 16:16:41
对year上的值进行排序，然后使用agg：d对groupby和聚合进行排序，其中sim使用list进行聚合，而其余的列则使用最后一次聚合
d = {**dict.fromkeys(ddf.columns, 'last'), 'sim': 'list'}
ddf.sort_values('year').groupby(['col1', 'col2']).agg(d).reset_index(drop=True)结果
id sim col1 col2 year extra
0 2 [2, 1] a b 2024 A页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/71560517
复制相关文章
相似问题
腾讯云开发者
