我有一个类似于下面这样的大型数据框(可以使用df=pd.read_clipboard(sep='\s\s+')
进行复制粘贴):
user_nm month unique_ips shifted_ips halves quarters mo_pairs
100118231 2 set([142.136]) set([]) h1 q1 p1
100118231 3 set([142.136]) set([142.136]) h1 q1 p2
100118231 6 set([108.0]) set([142.136]) h1 q2 p3
100118231 7 set([108.0]) set([108.0]) h2 q3 p4
100118231 8 set([142.136]) set([108.0]) h2 q3 p4
100118231 9 set([142.136]) set([142.136]) h2 q3 p5
100118231 10 set([142.136]) set([142.136]) h2 q4 p5
100118231 11 set([142.136]) set([142.136]) h2 q4 p6
100406016 3 set([50.192]) set([]) h1 q1 p2
100406016 7 set([50.192]) set([50.192]) h2 q3 p4
对于每个用户,我想按照“halves”(或“quarters”,或“mo_pairs”)分组,并获取“unique_ips”和“shifted_ips”的并集。
我可以像下面这样对字段进行分组:
In [265]: a=df.groupby(['user_nm','halves'])
In [266]: a.head()
Out[266]:
user_nm month unique_ips shifted_ips halves quarters mo_pairs
user_nm halves
100118231 h1 0 100118231 2 set([142.136]) set([]) h1 q1 p1
1 100118231 3 set([142.136]) set([142.136]) h1 q1 p2
2 100118231 6 set([108.0]) set([142.136]) h1 q2 p3
h2 3 100118231 7 set([108.0]) set([108.0]) h2 q3 p4
4 100118231 8 set([142.136]) set([108.0]) h2 q3 p4
5 100118231 9 set([142.136]) set([142.136]) h2 q3 p5
6 100118231 10 set([142.136]) set([142.136]) h2 q4 p5
7 100118231 11 set([142.136]) set([142.136]) h2 q4 p6
100406016 h1 8 100406016 3 set([50.192]) set([]) h1 q1 p2
h2 9 100406016 7 set([50.192]) set([50.192]) h2 q3 p4
然而,当我尝试合并这些行时,出现错误:
In [267]: a.apply(lambda x: x[2] & x[3], axis=1)
TypeError: <lambda>() got an unexpected keyword argument 'axis'
理想情况下,我希望像这样:
的东西。
unique_ips shifted_ips
user_nm halves
100118231 h1 set([142.136, 108.0]) set([142.136])
100118231 h2 set([142.136,108.0]) set([142.136,108.0])
100406016 h1 set([50.192]) set([])
100406016 h2 set([50.192]) set([50.192])
我也尝试过 set_index
,但那并不能适当地对数据框分组。
b=df.set_index(['user_nm','halves'])
这似乎是一个相对简单的任务,我错过了什么吗?
from functools import reduce
。 - Mattmy_lambda = lambda x: set.union(*x)
代替functools.reduce
。根据文档,自Python 2.6以来就可用。 - user21952-is-a-great-name