熊猫：将每列汇总到一个用逗号分隔的列表中，没有重复项

Question

问题：

我有一个很大的CSV文件，看起来像这样：

A  B   C     D    ...
1  dog black NULL ...
1  dog white NULL ...
1  dog black NULL ...
2  cat red   NULL ...
...

现在，我想对“ A ”列进行“分组”，并将其余各列聚合到一个逗号分隔的列表中，而不重复。 解决方案应如下所示：

A  B   C             D    ...
1  dog black, white  NULL ...
2  cat red           NULL ...
...

由于CSV中的名称和列数可能会发生变化，因此我更喜欢没有硬编码名称的解决方案。

二手方法：

我用以下代码尝试了pandas软件包：

import pandas as pd
data = pd.read_csv("C://input.csv", sep=';')
data = data.where((pd.notnull(data)), None)
data_group = data.groupby(['A']).agg(lambda x: set(x))
data_group.to_csv("C://result.csv", sep=';')

set运算符恰好满足了我的要求。 但是，生成的CSV如下所示：

A  B       C                   D      ...
1  {'dog'} {'black', 'white'}  {None} ...
2  {'cat'} {'red'}             {None} ...
...

我不希望在导出中使用{}和'' ，并且D列也应该为空并且不包含单词None 。

题：

我是在正确的道路上，还是有一种更优雅的方法来实现自己的目标？

Answer 1

用逗号join集合：

df.groupby('A', as_index=False).agg(lambda x: ', '.join(set(x.dropna())))

#   A    B             C D
#0  1  dog  white, black  
#1  2  cat           red