合并 dataframe 并检查列中的内容

Question

我有一个看起来像这样的 dataframe：

id    |    object_code    |    col_a    |    col_b
1     |    625            |    1        |    17
2     |    625            |    2        |    18
3     |    625            |    3        |    19
4     |    625            |    4        |    20
5     |    637            |    None     |    None  
6     |    637            |    None     |    None       
7     |    637            |    5        |    None       
8     |    637            |    None     |    None       
9     |    782            |    None     |    21
10    |    782            |    None     |    22
11    |    782            |    None     |    None      

我想要实现的是 dataframe 减少到每个object_code一行。 此外，如果col_a列内的至少一行中有一个值（每个object_code分隔），我需要一个 True （或同等有用的东西） - 列col_b 也是如此。 所以最后它应该是这样的：

id    |    object_code    |    col_a    |    col_b
1     |    625            |    True     |    True
5     |    637            |    True     |    False
9     |    782            |    False    |    True

pandas function 可以做到这一点吗？

Answer 1

如果None是NoneType ， DataFrame.notna比较列，如果是字符串，则按'None'比较列，然后聚合GroupBy.any以测试每行是否至少有一个True ：

df1 = df[['col_a','col_b']].notna().groupby(df['object_code']).any().reset_index()

或者：

df1 = df[['col_a','col_b']].ne('None').groupby(df['object_code']).any().reset_index()
print (df1)
   object_code  col_a  col_b
0          625   True   True
1          637   True  False
2          782  False   True

如果id值很重要：

cols = df.columns.difference(['id','object_code'])
d = dict.fromkeys(cols, 'any')
d['id'] = 'first'
print (d)
{'col_a': 'any', 'col_b': 'any', 'id': 'first'}

df[cols] = df[cols].ne('None')
df = df.groupby(df['object_code']).agg(d).reset_index()
df = df[df.columns[-1:].tolist() + df.columns[:-1].tolist()]
print (df)
   id  object_code  col_a  col_b
0   1          625   True   True
1   5          637   True  False
2   9          782  False   True