【pandas】文本处理：如何将相同ID的字符串进行合并以及合并之后重命名

一、问题

原始数据中ID对应多个文本数据，现在需要将ID下面的文本进行合并。

在工作中曾经遇到过这样的场景，有一批客户，客户用客户ID表示，每个客户下面有很多条评论，需要将客户的评论进行合并，然后对客户的评论进行文本挖掘。思路和下面的思路一样。

二、问题解决代码

import pandas as pd
import numpy as np
data = pd.DataFrame({'id':[1,1,1,2,2,2],'value':['A','B','C','D','E','F']})

data_deal = data.groupby('id').apply(lambda x:[','.join(x['value'])]).apply(lambda x:x[0]).reset_index(name='value')
print(data_deal) 

'''
   id  value
0   1  A,B,C
1   2  D,E,F
'''

三、用到的知识点

3.1 groupby 

3.1.1 主要作用：

和excel中分类汇总或者透视表实现的功能是一样的，比如有一组关于客户的数据，里面有客户的性别、年龄段等数据，现在想要知道每个年龄段每个性别有多少人。

3.1.2 常用方法

3.1.2.1 单类分组

是指只有一个统计变量，如下面的统计字段['shot_zone_basic'] (数据是来自kaggle比赛数据)

以上的操作只能创建一个groupby对象，一般在应用中会加上要统计的方式，如下客户直接展示数据的多种统计指标，当然如果只需要统计一种统计指标可以直接将descrbe()替换成mean()、count()等。

很多时候统计的指标和数据变量较多时，数据使用横排展示在视觉上很难看清，这时可以使用unstack()函数优化展示。

3.1.2.2 多类分组

多类统计是统计时有一个以上的变量，在实际工作中应用就是多个变量多个统计指标的统计方式，如下：

3.2 匿名函数

指没有函数的名字，又不想命名的函数

3.2.1 匿名函数 lamda表达式

result = lambda[arg1[,arg2,...,argn]]:expression

#result:用于调用lambda表达式
#[arg1[,arg2,…,argn]]：可选参数，用于指定要传递的参数列表，多个参数使用逗号“,”分隔
#expression：必选参数，用于指定一个实现具体功能的表达式，如果有参数，那么在该表达式中将应用这些参数。

3.2.2 应用小案例

a, b = 10, 20
sum = lambda x, y: x + y
print(sum)
print(sum(a, b))