[英]Python Pandas Groupby not working as expected
我有一个像下面这样的数据框:
ip domain
0 46.101.214.145 cnwkabrnyld1c0[.]com
1 46.101.214.145 anfj63m[.]com
2 46.101.214.145 anf3xnem[.]com
3 69.195.129.70 cnwkabrnyld1c0[.]com
4 69.195.129.70 anfj63ms[.]com
我正在尝试对“ ip”列进行分组,以便将重复项汇总到同一行。
所需的输出:
ip domain
0 46.101.214.145 cnwkabrnyld1c0[.]com | anfj63m[.]com | anf3xnem[.]com
3 69.195.129.70 cnwkabrnyld1c0[.]com
4 69.195.129.70 anfj63ms[.]com
根据我正在阅读的无数SOF和Panda文档,这似乎很简单。
这是我的代码:
pDNSPanda = pd.read_csv('/tmp/pDNSCSV.csv', names=['ip', 'domain'])
g = pDNSPanda.groupby("ip").agg('|'.join)
这是我实际上得到的:
domain
ip
0.0.0.0 ip|domain
1.1.1.200 ip|domain
1.148.56.163 ip|domain
1.167.81.129 ip|domain
1.193.28.230 ip|domain
编辑:
建议我针对上述数据集尝试自己的代码。
test.csv
46.101.214.145 cnwkabrnyld1c0[.]com
46.101.214.145 anfj63m[.]com
46.101.214.145 anf3xnem[.]com
69.195.129.70 cnwkabrnyld1c0[.]com
69.195.129.70 anfj63ms[.]com
>>> import pandas as pd
>>> p = pd.read_csv('/tmp/test.csv', names=['ip', 'domain'])
>>> g = p.groupby("ip").agg("|".join)
>>> print g
domain
ip
46.101.214.145 anfj63m[.]com ip|domain
46.101.214.145 anf3xnem[.]com ip|domain
46.101.214.145 cnwkabrnyld1c0[.]com ip|domain
69.195.129.70 anfj63ms[.]comp|domain
69.195.129.70 cnwkabrnyld1c0[.]com ip|domain
您需要在groupby
和agg
命令之间使用domain
。 如果需要,在管道连接周围添加间距,例如' | '.join(...)
' | '.join(...)
pDNSPanda.groupby("ip").domain.agg('|'.join)
ip
46.101.214.145 cnwkabrnyld1c0[.]com|anfj63m[.]com|anf3xnem[.]com
69.195.129.70 cnwkabrnyld1c0[.]com|anfj63ms[.]com
Name: domain, dtype: object
如果您的域中有浮点数,则最好将它们转换为字符串。
df['domain'] = df.domain.astype(str)
我认为ip
列中的第一个值像我的第一行和第二行一样是唯一的-那么在groupby
之后您只能在列domain
得到一个值:
print pDNSPanda
ip domain
0 0.0.0.0 ip|domain
1 1.1.1.200 ip|domain
2 46.101.214.145 cnwkabrnyld1c0[.]com
3 46.101.214.145 anfj63m[.]com
4 46.101.214.145 anf3xnem[.]com
5 69.195.129.70 cnwkabrnyld1c0[.]com
6 69.195.129.70 anfj63ms[.]com
g = pDNSPanda.groupby("ip").agg('|'.join)
print g
domain
ip
0.0.0.0 ip|domain
1.1.1.200 ip|domain
46.101.214.145 cnwkabrnyld1c0[.]com|anfj63m[.]com|anf3xnem[.]com
69.195.129.70 cnwkabrnyld1c0[.]com|anfj63ms[.]com
但是我认为最好将groupby
与聚合列一起使用,正如Alexander
在他的回答中提到的那样。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.