Pandas groupby 到新栏目

Question

我有一个 dataframe 列code和images 。

列images是由逗号连接的urls字符串： <URL>,<URL2>,...

列code不是唯一的，我需要使其唯一，但将所有图像（来自所有变体）存储在新列images_all中。

例如：

code something images
1    x         url1,url2,url3
1    x         url1,url4

结果是：编码一些 images_all 1 x url1,url2,url3,url4

我做了

grouped = csv.groupby('code')
csv = csv.drop_duplicates(subset=['code'], keep='last')
csv['images_all'] = csv.apply(lambda r:  list(set(
    [image for image in grouped.get_group(r['code'])['images']]
)))

这引发了：

KeyError: 'code'

但即使它没有提出这个问题，问题是图像不会是[url1,url2,url3,url4] 。 相反，它将是["url1,url2,url3","url1,url4"] 。

你知道如何解决吗？

编辑

我还想保留其他列（对于具有相同代码的所有行，它们都是相同的，这就是为什么我然后只是 drop_duplicates 并保留最后一行）

Answer 1

将GroupBy.transform与自定义 function 一起使用以展平拆分值，然后转换为集合并最后join唯一值：

f = lambda x: ','.join(set([z for y in x for z in y.split(',')]))
df['images_all'] = df.groupby('code')['images'].transform(f)
print (df)
   code something          images           images_all
0     1         x  url1,url2,url3  url1,url3,url2,url4
1     1         x       url1,url4  url1,url3,url2,url4