盘点一个Pandas数据处理基础题目（文末有学习彩蛋）

以下文章来源于Python共享之家，作者皮皮

回复“资源”即可获赠Python学习资料

今

日

鸡

汤

戍鼓断人行，边秋一雁声。

大家好，我是皮皮。

一、前言

前几天在Python最强王者交流群【Chloe】问了一道Pandas处理的问题，如下图所示。

原始数据如下：

df = pd.DataFrame( {'id' : ['A','A','A','A','A','A','B','B','B','B','B'],

                  'type' : [1,1,1,1,2,2,1,1,1,2,2],

                  'book' : ['Math','Math','English','Physics','Math','English','Physics','English','Physics','English','English']})

res = df.groupby(['id','type']).book.apply(list).reset_index()

res['book'] = res.apply(lambda x:(','.join([str(i) for i in x['book']])))

res

预期的结果如下图所示：

二、实现过程

方法一

这里【月神】给出一个可行的代码，大家后面遇到了，可以对应的修改下，事半功倍，代码如下所示：

df.groupby(['id','type']).book.unique().str.join(',').reset_index()

运行之后，结果就是想要的了。

方法二

后来【瑜亮老师】也给了一份代码。

代码如下所示：

res = df.groupby(['id', 'type']).book.apply(set).reset_index()

res['book'] = res['book'].apply(lambda x: (','.join(x)))

print(res)

运行之后，结果就是想要的了。

完美地解决了粉丝的问题！

最后再给大家分享一个知识点，如下图所示。

后来【瑜亮老师】还补充了一个结论，这里和大家一起分享下。

文章做了对比：

普通apply处理需要18秒左右，

使用Swift进行加速提升到7秒左右，

函数向量化，时间缩短至0.4秒，

int64转为int16，用时缩短至0.1秒

尽可能转换为.values，再操作，仅用时0.07秒！！！

从18秒到0.07秒……

三、总结

大家好，我是皮皮。这篇文章主要盘点了一道使用Pandas处理数据的问题，文中针对该问题给出了具体的解析和代码实现，一共两个方法，帮助粉丝顺利解决了问题。

最后感谢粉丝【Chloe】提问，感谢【月神】、【瑜亮老师】给出的思路和代码解析，感谢【dcpeng】、【冯诚】、【冷喵】、【D I Y】等人参与学习交流。

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

-------------------End-------------------

欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持

万水千山总是情，点个【在看】行不行