pandas：按组进行分组和聚合，同时保留被分组的列。

Question

我有一个如下的pandas数据框。对于每个'Id'，我可以有多个'Names'和'Sub-ids'。

Id      NAME   SUB_ID
276956  A      5933
276956  B      5934
276956  C      5935
287266  D      1589

我想压缩数据框，使得每个'Id'只有一行，并且每个'Id'下的所有'names'和'sub_ids'都出现在同一行上，作为一个集合。

Id      NAME           SUB_ID
276956  set(A,B,C)     set(5933,5934,5935)
287266  set(D)         set(1589) 

我尝试按'Id'进行分组，然后对所有其他列进行聚合：

df.groupby('Id').agg(lambda x: set(x))

但是这样做的话，生成的数据框没有'Id'列。当你使用groupby时，'Id'作为元组的第一个值返回，但我猜当你进行聚合操作时，它就丢失了。有没有办法得到我想要的数据框：即进行分组和聚合操作，同时不丢失被分组的列。

- Fizi

---

请注意，在Series和DataFrames中存储非标量对象仅有有限的支持，并且可能导致意外结果。 - DSM

Answer 1

如果您不希望groupby作为索引，可以使用一个参数来避免进一步的重置：

df.groupby('Id', as_index=False).agg(lambda x: set(x))

- Zeugma

Answer 2

按组分组的列成为索引。您只需重置索引即可将其恢复：

In [4]: df.groupby('Id').agg(lambda x: set(x)).reset_index()
Out[4]: 
       Id       NAME              SUB_ID
0  276956  {A, C, B}  {5933, 5934, 5935}
1  287266        {D}              {1589}

- chrisaycock