对于 Pandas Dataframe 有没有办法在保留所有其他值的同时将同一类别显示为一个类别？

Question

对于 Pandas Dataframe 有没有办法将相同的类别一起显示为一个类别，同时保留字符串中的所有其他值？

假设我有以下场景：

pd.DataFrame({"category": ['Associates', 'Manager', 'Associates', 'Associates', 'Engineer', 'Engineer', 'Manager', 'Engineer'],
              "name": ['Abby', 'Jenny', 'Thomas', 'John', 'Eve', 'Danny', 'Kenny', 'Helen'],
              "email": ['Abby@email.com', 'Jenny@email.com', 'Thomas@email.com', 'John@email.com', 'Eve@email.com', 'Danny@email.com', 'Kenny@email.com', 'Helen@email.com']})

如何尝试以这种方式显示 dataframe？

Output：

category     name     email
Associates   Abby     Abby@email.com
             Thomas   Thomas@email.com
             John     John@email.com
Manager      Jenny    Jenny@email.com
             Kenny    Kenny@email.com
Engineer     Eve      Eve@email.com
             Danny    Danny@email.com
             Helen    Helen@email.com

有什么建议，还是可以用 groupby 函数来完成？ 谢谢！

Answer 1

我不太清楚你所说的display是什么意思。 要获得与您展示的打印类似（不完全）的打印，您不需要.groupby() 。 做就是了

df = df.set_index(["category", "name"]).sort_index()

并得到

                              email
category   name                    
Associates Abby      Abby@email.com
           John      John@email.com
           Thomas  Thomas@email.com
Engineer   Danny    Danny@email.com
           Eve        Eve@email.com
           Helen    Helen@email.com
Manager    Jenny    Jenny@email.com
           Kenny    Kenny@email.com

如果您真的想修改列，那么您可以尝试类似

df = df.sort_values(["category", "name"], ignore_index=True)
df.loc[df["category"] == df["category"].shift(), "category"] = ""

要得到

     category    name             email
0  Associates    Abby    Abby@email.com
1                John    John@email.com
2              Thomas  Thomas@email.com
3    Engineer   Danny   Danny@email.com
4                 Eve     Eve@email.com
5               Helen   Helen@email.com
6     Manager   Jenny   Jenny@email.com
7               Kenny   Kenny@email.com

Answer 2

为此，您将有两行代码：首先，您需要将category和name都设置为索引

df.set_index(['category','name'],inplace=True)

接下来，您将使用groupby.sum来获得所需的 output。

df.groupby(level=[0,1]).sum()
Out[67]: 
                              email
category   name                    
Associates Abby      Abby@email.com
           John      John@email.com
           Thomas  Thomas@email.com
Engineer   Danny    Danny@email.com
           Eve        Eve@email.com
           Helen    Helen@email.com
Manager    Jenny    Jenny@email.com
           Kenny    Kenny@email.com

Answer 3

为此，您可以使用groupby() function。 下面显示的是示例代码。

df.groupby(['category','name']).max()

现在数据为索引格式，并且与您提到的格式相同，如果要删除索引，请使用以下代码

df.groupby(['category','name']).max().reset_index()