Fork me on GitHub

Pandas实现group_concat

对比SQL,学习Pandas操作:group_concat

本文是对比SQL学习Pandas的第三篇文章,主要讲解的是如何利用pandas来实现SQL中的group_concat操作。

group_concat

SQL或者MySQL中的group_concat到底实现的什么功能呢?看例子来说明。

下面是表information中存储的一份简单数据,两个字段id和name:

1
2
3
4
5
6
7
8
9
+----+-----+
| id | name |
+------+---+
|1 | 10 |
|1 | 20 |
|1 | 20 |
|2 | 20 |
|3 | 200 |
|3 | 500 |

方式1:默认情形

我们以id来进行分组,将name放在同一行,同时用逗号隔开:

1
2
3
4
5
select
id
,group_concat(name) as name
from information
group by id;

结果为:

1
2
3
4
|id|  name|
|1 |10,20,20|
|2 |20 |
|3 |200,500|

方式2:指定符号

上面的结果中默认是逗号(英文逗号)隔开的,我们还可以自己指定符号:

1
2
3
4
5
select
id
,group_concat(name separator ';') as name
from information
group by id;

结果则显示为:

1
2
3
4
|id|  name|
|1 |10;20;20| -- 分号隔开
|2 |20 |
|3 |200;500|

方式3: 去重显示

我们还可以以id分组,将冗余(重复的)的数据去掉,然后将剩下的放在一起;比如id=1的数据重复了20,我们希望只显示一个20:

加上了关键词distinct :

1
2
3
4
5
select
id
,group_concat(distinct name) as name
from information
group by id;

相应的结果显示为:

1
2
3
4
|id|  name|
|1 |10,20| -- 只显示了一个20
|2 |20 |
|3 |200,500|

方式4:降序排列

在上面的全部情形中,数据都是升序排列,我们还可以降序:

1
2
3
4
5
select
id
,group_concat(name order by name desc) as name
from information
group by id;

那么显示的结果为:

1
2
3
4
5
6
-- 结果已经降序排列了

|id| name|
|1 |20,20,10|
|2 |20 |
|3 |500,200|

上面介绍的就是各种group_concat实现的效果,下面利用pandas来实现。

模拟数据

1
2
import pandas as pd
import numpy as np
1
2
3
4
5
6
df = pd.DataFrame({
"name":["小明","小明","小明","小红","小张","小张"],
"score":[10,20,20,20,200,500]
})

df

很清楚,我们需要将小明、小红、小张的score分组放在一起。

方式1:默认分组

实现默认分组情形,升序排列且不去重。主要是3个步骤:

1、通过groupby进行分组

2、分组之后通过list将score全部放在一个列表中

3、第三步只是进行了索引重排

方式2:指定符号

指定特定的符号,我们使用的join函数。因为这个函数只能操作字符串,所以我们需要将df中的数值型数据转成字符串:

1
df.astype(str)

方式3:去重显示

通过name字段进行分组,再对score采用unique函数。下面只是进行所以重排

方式4:降序排列

1、我们先实现默认的升序排列

2、对score字段再次使用apply函数,通过对列表使用sorted函数来实现降序排列

亲爱的朋友,学会了吗?

本文标题:Pandas实现group_concat

发布时间:2021年11月13日 - 00:11

原始链接:http://www.renpeter.cn/2021/11/13/Pandas%E5%AE%9E%E7%8E%B0group-concat.html

许可协议: 署名-非商业性使用-禁止演绎 4.0 国际 转载请保留原文链接及作者。

Coffee or Tea