Groupby 分组后合并列内容 ~ 进一步优化
Pandas 百问百答第 013 篇。
今天这篇文章是上一篇文章（Groupby 分组后，如何合并列里的内容？）的补充，重点推荐群友小小明，上篇文章发布后，他很快给了我三种更优化的解决方案，一种比一种简洁，有这么好的东西，呆鸟肯定不能私藏，现在分享给大家，代码见最下方说明。
今天主要讲小小明方案中的几个知识点，以及与呆鸟的方案的区别：
1. 列类型的转换
为了把部门人数与运营成本转为文本，呆鸟用了两行代码：
df1['部门人数'] = df1['部门人数'].astype(str)
df1['运营成本'] = df1['运营成本'].astype(str)
而小小明只用了一行：
df2 = df2.astype(str, copy=False)
要注意的是，如果 df 中还有其它类型的列，也会都转为文本类型，如果无所谓的话，这种方式更简洁。
2. 合并文本列
呆鸟用的是最传统的方式，字符串相加：
df1['临时合并'] = df1['部门人数'] +'：' + df1['运营成本']小小明用的是 str 的 cat 方法，这种方式可以直接用在 apply 函数里
data.部门人数.str.cat(data.运营成本, sep="："
3. 链式方法
小小明其中一种解决方案使用了链式函数：
(
df3.groupby(["公司", "部门"])
.apply(lambda data: data.部门人数.str.cat(data.运营成本, sep="：").str.cat(sep="；"))
.to_frame("部门人数：运营成本").reset_index()
)
看见括号了吧，括号内的写法就是链式方法，非常赞的一种方式，呆鸟虽然知道，但没咋用过，还要继续学以致用啊~
4. agg 函数
小小明还有一种方案，使用了 agg() 进行合并，代码如下：
df4.groupby(['公司','部门'],as_index=False)['部门人数：运营成本'].agg('；'.join)因为精力有限，所以这次只把最核心的知识点分享给大家，不过这几种方案，每种方案都很简洁，只有两三行代码，有点 pandas 知识的朋友就能看得懂。
感谢小小明的倾情奉献，如对呆鸟的文章有意见或建议，欢迎大家在 Python大咖谈 后台与我交流。
方案一
方案二
方案三
方案四在 python大咖谈 后台输入分组合并优化，即可下载 ipynb 文件
评论