基於兩列合並行 dataframe - Python

Question

我有一個數據框 df ，其中包含以下信息：

|   Project | class   | x     |y    | z   |
| ---       | ---     | ---   | --- | --- | 
| Project_A | c.java  |a1     | a2  |     |
| Project_A | c.java  |       |     | a3  |
| Project_b | t.java  |b1     |b2   |     |

如果 project 和 Class 的值相等，我需要合並這些行。

基於前面的例子，本例中的方面 output 為：

| Project   | class  | x     |y    | z   |
| ---       | ---    | ---   | --- | --- |
| Project_A | c.java |a1     |a2   | a3  |
| Project_b | t.java |b1     |b2   |     |

同樣重要的是要注意數據集的構建方式，不存在重寫值的風險； 所以，換句話說，你永遠不會有這樣的情況：

| Project   | class  | x   |y   | z   |
| ---       | ---    | --- | ---| --- |
| Project_A | c.java |a1   | a2 |     |
| Project_A | c.java |a_x  | a_y|a_z  |
| Project_b | t.java |b1   |b2  |     |

怎么辦？

Answer 1

這將按項目和 class 分組，然后找到分組的第一個值。 我不確定你的數據是否允許這樣的事情，因為如果項目/類組合的列中有另一個數據示例，它可能會弄亂你的一些數據

df.groupby(['Project', 'class'], as_index=False).agg('first')

Answer 2

您可以在兩列上使用groupby()並對其他列求和：

X = pd.DataFrame({
        'Project':["Project_A","Project_A",'Project_b'],
        'class':["c.java","c.java","t.java"],
        'x':["a1",None,"b1"],
        'y':["a2",None,"b2"],
        'z':[None,"a3",None]})

Y= X.groupby(['Project','class']).sum()
print(Y)

Output：

                   x   y   z
Project   class
Project_A c.java  a1  a2  a3
Project_b t.java  b1  b2   0