Groupby 保存数据库的所有信息

Question

假设我有一个 dataframe A：

a0 a1    a2
1  1980  Y04
1  1983  Y08
1  1990  Y08
1  1980  Y08
1  1998  Y10
2  2003  Y02
3  1970  Y04
3  2009  Y10
3  1995  Y34

我想做的（在dask中，但任何建议，在Pandas中也是有帮助的）是使groupby a0保留a1和a2中包含的所有唯一信息。 换句话说，我想获得以下信息：

a0  newa_1                        new_a2
1  [1980, 1983, 1990, 1998]  [Y04, Y08, Y10]
2  [2003]                          [Y02]
3  [1970,2009, 1995]               [Y04]

谢谢

Answer 1

在groupby之后使用agg(col_name, unique) ：

df.groupby('a0').agg(newa_1=('a1','unique'), newa_2=('a2','unique'))

Output：

       newa_1                           newa_2
a0      
1   [1980, 1983, 1990, 1998]    [Y04, Y08, Y10]
2   [2003]                            [Y02]
3   [1970, 2009, 1995]           [Y04, Y10, Y34]

Answer 2

使用唯一的 function 并重置索引以获得 dataframe。

>>> df.groupby("a0").agg(newa_1=('a1',"unique"), new_a2=("a2","unique")).reset_index()

    a0  newa_1                      new_a2
0   1   [1980, 1983, 1990, 1998]    [Y04, Y08, Y10]
1   2   [2003]                      [Y02]
2   3   [1970, 2009, 1995]          [Y04, Y10, Y34]