pandas之多行按类合并为一行

102 篇文章 10 订阅

前言

前面讲到explode操作是把某一列中的嵌套列表拆分为多行
那有时候我们会有着相反的需求,即按照某一列,把相同值对应的多行合并成一行

原理

主要用到groupby函数+apply函数

  1. 读取数据
data=pd.read_csv('data.csv',header=None)
data.columns=['car_id','time','lon','lat']

数据展示
2. 多列合并为一列

def merge_cols(Series):
    # 获取非空项
    Series=Series[Series.notna()]
    # 获取当行所有数据
    value=Series.value
    # 将每一行的数据变为一个一层嵌套的列表
    result=[value[0],value[1],value[2]]
    return result
data['tra_info']=data.iloc[:,1:].apply(merge_cols,axis=1)

也可以使用匿名函数写

data
  • 9
    点赞
  • 39
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
可以使用Pandas库中的groupby()函数和agg()函数将多行重复数据合并一行。具体的做法是先读取多行数据到一个Pandas的DataFrame中,然后使用groupby()函数对重复的数据进行分组,最后使用agg()函数将每组数据合并一行。示例代码如下: ```python import pandas as pd # 读取多行数据到一个DataFrame中 df = pd.read_csv('data.csv') # 使用groupby()函数对重复的数据进行分组,然后使用agg()函数将每组数据合并一行 merged_df = df.groupby(['col1', 'col2'])['col3'].agg(lambda x: ' '.join(x)).reset_index() # 输出合并后的DataFrame print(merged_df) ``` 在上面的示例代码中,我们假设数据已经保存在一个名为`data.csv`的CSV文件中,然后使用Pandas库的read_csv()函数将数据读取到一个DataFrame中。接着使用groupby()函数对DataFrame中的重复数据进行分组,指定分组的列为`col1`和`col2`,并指定需要合并的列为`col3`。最后使用agg()函数对每组数据进行合并,将`col3`列中的多行数据合并一行,并使用空格分隔。最后使用reset_index()函数将合并后的DataFrame的索引重新编号,然后将结果输出到屏幕上。 需要注意的是,上面的示例代码只是一种合并数据的方式,具体的实现方式需要根据实际情况进行调整。另外,如果需要将多列数据合并成一列,只需要在agg()函数中指定多个列名,然后使用空格或其他分隔符进行连接即可。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

fff2zrx

谢谢老板

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值