输出groupby到csv文件熊猫

Question

我有一个样本数据集：

import pandas as pd
df = {'ID': ['H1','H2','H3','H4','H5','H6'],
      'AA1': ['C','B','B','X','G','G'],
      'AA2': ['W','K','K','A','B','B'],
      'name':['n1','n2','n3','n4','n5','n6']
}

df = pd.DataFrame(df)

看起来像 ：

df
Out[32]: 
   AA1 AA2  ID name
0   C   W  H1   n1
1   B   K  H2   n2
2   B   K  H3   n3
3   X   A  H4   n4
4   G   B  H5   n5
5   G   B  H6   n6

我想对AA1和AA2（唯一的AA1和AA2对）进行分组，这与唯一对一起选择的ID和名称值无关紧要，并将其输出到.csv文件，因此在.csv文件中输出看起来像：

 AA1 AA2  ID name
  C   W  H1   n1
  B   K  H2   n2
  X   A  H4   n4
  G   B  H5   n5

我尝试了代码：

df.groupby('AA1','AA2').apply(to_csv('merged.txt', sep = '\t', index=False))

但是to_csv无法识别，我可以在.apply（）中放入什么才能将groupby结果输出到csv文件中？

Answer 1

问题是您试图将一个函数应用到不存在的to_csv 。 无论如何，groupby也没有to_csv方法。 pd.Series和pd.DataFrame可以。

您真正应该使用的是drop_duplicates ，然后将结果数据帧导出到csv：

df.drop_duplicates(['AA1','AA2']).to_csv('merged.txt')

---

PS：如果您真的想要一个groupby解决方案，那么这个解决方案的速度比drop_duplicates慢12倍...：

df.groupby(['AA1','AA2']).agg(lambda x:x.value_counts().index[0]).to_csv('merged.txt')

Answer 2

你可以用head groupby

df.groupby(['AA1', 'AA2']).head(1)