如何将多行数据合并成单行？Pandas 分组和合并的强大功能

python

2024-03-21 15:22:52

将多行数据转换为单行：Pandas 的强大分组和合并

在数据分析领域，我们经常需要处理来自不同来源或具有不同粒度的表格，并将它们合并成更有意义的格式。一个常见的任务就是将多行数据转换为单行，其中包含特定列的合并值。本文将探讨如何使用 Python 中强大的 Pandas 库来实现此目的。

分组与合并：Pandas 的秘密武器

Pandas 提供了两个强大的函数：groupby() 和 agg()，可用于对数据进行分组和合并。

groupby()： 此函数允许我们根据一个或多个列将数据分组，创建组对象。
agg()： 此函数用于在组内执行聚合操作，例如求和、求平均值或选择第一个非空值。

示例：合并多行到单行

假设我们有一个 DataFrame，包含有关蜂窝网络站点的多行数据：

Nominal	IP_Address	MaxTxPower	gsmSecName	CellName	fingerprint
DU0949	172.18.26.1	15000	DU0949A
DU0949		40000		DU0949U09A0	DU0949_BB2
LO0004	172.18.26.2	15000	LO0004D
LO0004		40000		LO0004U09A3	LO0004_BB2

我们的目标是将这些数据转换为以下格式：

Nominal	IP_Address	MaxTxPower	gsmSecName	CellName	fingerprint	MaxTxPower
DU0949	172.18.26.1	15000	DU0949A	DU0949U09A0	DU0949_BB2	40000
LO0004	172.18.26.2	15000	LO0004D	LO0004U09A3	LO0004_BB2	40000

代码解决方案

以下 Python 代码演示了如何使用 Pandas 进行分组和合并：

import pandas as pd

# 创建一个 DataFrame
data = {
    'Nominal': ['DU0949', 'DU0949', 'LO0004', 'LO0004'],
    '2G_IP_Address': ['172.18.26.1', '', '172.18.26.2', ''],
    'MaxTxPower': [15000, 40000, 15000, 40000],
    'gsmSecName': ['DU0949A', '', 'LO0004D', ''],
    'CellName': ['', 'DU0949U09A0', '', 'LO0004U09A3'],
    'fingerprint': ['', 'DU0949_BB2', '', 'LO0004_BB2']
}

df = pd.DataFrame(data)

# 使用 groupby() 和 agg() 函数组合行
df_agg = df.groupby('Nominal').agg({
    '2G_IP_Address': 'first',
    'MaxTxPower': 'first',
    'gsmSecName': 'first',
    'CellName': 'first',
    'fingerprint': 'first'
})

# 将合并后的数据转换为一个 DataFrame
df_agg.reset_index(inplace=True)

# 将 MaxTxPower 列转换为 int 类型
df_agg['MaxTxPower'] = df_agg['MaxTxPower'].astype(int)

# 打印最终结果
print(df_agg)