在Pandas/iPython笔记本（Jupyter）的DataFrame /表中的GROUP BY行？

Question

我有一个表，看起来像这样：

当前数据帧/表：“original_table”

col_1   col_2    col_3 
0 Non-Saved  www.google.com 10 
1 Non-Saved  www.facebook.com 20 
2 Non-Saved  www.linkedin.com 20 
3 Saved   www.Quora.com  30 
4 Saved   www.gmail.com  40 

我可以导出表，如下面的使用SQL查询？

col_1   col_2    col_3 
0 Non-Saved  www.google.com 50 
        www.facebook.com 
        www.linkedin.com 
1 Saved   www.Quora.com  70 
        www.gmail.com  

基本上我期待一个表具有从COL_1 DISTINCT值，从COL_2和SUM（col_3），用于在一排从col_3对应值的所有的对应值。

我的查询：

sql("""SELECT col_1, group_concat(col_2) as col_2, SUM(col_3) as col_3 
FROM original_table 
GROUP BY col_1 
""").show() 

我尝试用group_concat使用嵌入的SQL查询，但它给了我下面的错误：

AnalysisException: u"Undefined function: 'GROUP_CONCAT'. This function 
is neither a registered temporary function nor a permanent function 
registered in the database 'default'. 

任何人都可以请帮我可能是一个简单的黑客？

Answer 1

使用GroupBy.transform - 它返回相同的大小Series为原始组：

#first convert column to numeric 
df['col_3'] = df['col_3'].astype(int) #float 

df['col_3'] = df.groupby('col_1')['col_3'].transform('sum') 
print (df) 
     col_1    col_2 col_3 
0 Non-Saved www.google.com  50 
1 Non-Saved www.facebook.com  50 
2 Non-Saved www.linkedin.com  50 
3  Saved  www.Quora.com  70 
4  Saved  www.gmail.com  70 

如果只需要第一个值：

df[['col_1','col_3']] = df[['col_1','col_3']].mask(df['col_1'].duplicated()) 
print (df) 
     col_1    col_2 col_3 
0 Non-Saved www.google.com 50.0 
1  NaN www.facebook.com NaN 
2  NaN www.linkedin.com NaN 
3  Saved  www.Quora.com 70.0 
4  NaN  www.gmail.com NaN 

如果有必要，NaN s是可以通过空字符串替换 - 中第一个string列没有问题，但在最后得到混合类型 - 字符串与数字和一些功能应该失败：

。

df[['col_1','col_3']] = df[['col_1','col_3']].mask(df['col_1'].duplicated()).fillna('') 
print (df) 
     col_1    col_2 col_3 
0 Non-Saved www.google.com 50 
1    www.facebook.com  
2    www.linkedin.com  
3  Saved  www.Quora.com 70 
4    www.gmail.com  

---

print (df['col_3'].apply(type)) 
0 <class 'float'> 
1  <class 'str'> 
2  <class 'str'> 
3 <class 'float'> 
4  <class 'str'> 
Name: col_3, dtype: object