我有一个数据框
Name Subset Type System
A00 IU00-A OP A
A00 IT00 PP A
B01 IT-01A PP B
B01 IU OP B
B03 IM-09-B LP A
B03 IM03A OP A
B03 IT-09 OP A
D09 IT OP A
D09 IM LP A
D09 IM OP A
我已将其转换为
Subset Cluster Type Cluster Name System
IU,IT OP,PP A00 A
IM,IM,IT LP, OP, OP B03, D09 A
IU,IT OP,PP B01 B
using
out = df.assign(Subset=df['Subset'].str[:2])\
.sort_values(by=df.columns.tolist())\
.groupby('Name', as_index=False)\
.agg(**{'Subset Cluster': ('Subset', ', '.join),
'Type Cluster': ('Type', ', '.join),
'System': ('System', 'first')})\
.groupby(['Subset Cluster', 'Type Cluster', 'System'], as_index=False)\
.agg(', '.join)
在这个转换后的数据框中,我需要添加另一列,该列将为我提供特定名称的所有子集。
输出示例:
Subset Cluster Type Cluster Name System Subsets
IU,IT OP,PP A00 A IU00-A,IT00
IM,IM,IT LP, OP, OP B03, D09 A IM-09-B,IM03A,IT-09,IT,IM,IM
IU,IT OP,PP B01 B IT-01A,IU