如何获得所有分组中存在的唯一值组合

Question

我想知道产品现有的 uom 值组合是什么。 给定

df = pd.DataFrame([{'prod_id':3,'uom':'PK'},{'prod_id':3,'uom':'PQT'},{'prod_id':4,'uom':'PK'},{'prod_id':5,'uom':'PQT'},{'prod_id':5,'uom':'PK'},{'prod_id':6,'uom':'SET'},{'prod_id':6,'uom':'ENS'},{'prod_id':7,'uom':'PK'},{'prod_id':7,'uom':'ENS'}])

我想要：

• [PK、PQT]
• [PK]
• [设置，ENS]
• [PK、ENS]
• [PQT，PK]

理想情况下，顺序不重要，因此 [PK, PQT] 和 [PQT, PK] 是等效的。

我能够通过 groupby 和 unique 轻松获得每个产品所具有的值的组合。

df.groupby(by='prod_id')['uom'].unique()

但是如果我尝试将 unique() 应用于该结果

df.groupby(by='prod_id')['uom'].unique().unique()

我得到： 类型错误：不可散列的类型：'numpy.ndarray'

Answer 1

您可以使用自定义函数进行聚合，例如

set

，它给出唯一的值

combinations = df.groupby('prod_id').agg({'uom': set}).squeeze().to_dict()
print(combinations)
>>> {3: {'PQT', 'PK'}, 4: {'PK'}, 5: {'PQT', 'PK'}, 6: {'ENS', 'SET'}, 7: {'ENS', 'PK'}}

这给出了集合字典

{prod_id: set of unique values}

，集合与元素的顺序无关（与列表不同）。如果您只想要集合（没有组），您可以在末尾使用

.to_list()

而不是

.to_dict()

。