本文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：

+----+-----+
| 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：

select 
    id
    ,group_concat(name)  as name
from information 
group by id;

结果为：

|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：

select 
    id
    ,group_concat(name separator ';')  as name
from information 
group by id;

结果则显示为：

|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 ：

select 
    id
    ,group_concat(distinct name)  as name
from information 
group by id;

相应的结果显示为：

|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：

select 
    id
    ,group_concat(name order by name desc)  as name  
from information 
group by id;

那么显示的结果为：

-- 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

import pandas as pd
import numpy as np

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：

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？