¡Actualice a continuación!

Estoy tratando de fusionar y ordenar una lista de ID y su Name_ID único conectado, separados por punto y coma. Por ejemplo:

Name_ID Adress_ID            Name_ID Adress_ID
Name1   5875383              Name1   5875383; 5901847
Name1   5901847              Name2   5285200
Name2   5285200      to      Name3   2342345; 6463736
Name3   2342345
Name3   6463736

Este es mi código actual:

origin_file_path = Path("Folder/table.xlsx")
dest_file_path = Path("Folder/table_sorted.xlsx")

table = pd.read_excel(origin_file_path)
df1 = pd.DataFrame(table)

df1 = df1.groupby('Name_ID').agg(lambda x: x.tolist())

df1.to_excel(dest_file_path, sheet_name="Adress_IDs")

Pero lo exporta así al archivo de Excel:

Name_ID Adress_ID
Name1   [5875383, 5901847]

¿Alguien puede decirme cuál sería la mejor manera de deshacerse del formato de lista y separarlo con punto y coma en lugar de comas?

Actualización:

El usuario Jezrael me vinculó esto thread. Pero parece que no puedo combinar ';'.join con lambda x: x.tolist().

df1 = df1.groupby('Kartenname').agg(';'.join, lambda x: x.tolist())

Produce TypeError: join () toma exactamente un argumento (2 dados)

df1 = df1.groupby('Kartenname').agg(lambda x: x.tolist(), ';'.join)

Produce TypeError: () toma 1 argumento posicional pero se dieron 2.

También probé otras combinaciones, pero ninguna parece ejecutarse correctamente. Deshacerse de la función lambda no es una opción porque simplemente pega Name_ID Adress_ID mil veces en lugar del nombre correcto y las ID correctas.

2
Max K. 1 oct. 2019 a las 10:02

3 respuestas

La mejor respuesta

Puede pasar a agg tuplas de función con nuevos nombres de columna con funciones agregadas:

df['Adress_ID'] = df['Adress_ID'].astype(str)
df1 = df.groupby('Name_ID')['Adress_ID'].agg([('a', ';'.join),
                                              ('b',  lambda x: x.tolist())])

print (df1)
                       a                   b
Name_ID                                     
Name1    5875383;5901847  [5875383, 5901847]
Name2            5285200           [5285200]
Name3    2342345;6463736  [2342345, 6463736]

Si pasa solo funciones agregadas en la lista (sin tuplas), obtenga los nombres de columnas predeterminados:

df2 = df.groupby('Name_ID')['Adress_ID'].agg([ ';'.join,lambda x: x.tolist()])

print (df2)
                    join          <lambda_0>
Name_ID                                     
Name1    5875383;5901847  [5875383, 5901847]
Name2            5285200           [5285200]
Name3    2342345;6463736  [2342345, 6463736]
2
jezrael 1 oct. 2019 a las 07:02
  • El problema principal
    • No puedo join una int
Name_ID  Adress_ID
  Name1    5875383
  Name1    5901847
  Name2    5285200
  Name3    2342345
  Name3    6463736

def fix_my_stuff(x):
    x = x.tolist()
    x = '; '.join([str(y) for y in x])
    return(x)

df_updated = df.groupby('Name_ID').agg(lambda x: fix_my_stuff(x)).reset_index()
print(df_updated)

Name_ID         Adress_ID
  Name1  5875383; 5901847
  Name2           5285200
  Name3  2342345; 6463736
0
Trenton McKinney 5 oct. 2019 a las 05:55

Primero debe asegurarse de que Address_ID sea string

Entonces puedes aplicar esta función:

df.groupby('Name_ID').agg(lambda x: ':'.join(list(x.values)))

Más sobre 'str'.join método

0
Rean 1 oct. 2019 a las 10:25
58179593