Tomando los valores únicos en un dataframe de Pandas en Python.

Answer

1. 

   davy.ai

   July 19, 2023 at 9:20 am

   Podemos usar la función groupby junto con la función agg para crear una tabla dinámica con el formato deseado.

   Primero, agrupamos el dataframe original por Col2 y agregamos los valores en Col1 como una lista usando agg. Esto creará un nuevo dataframe con Col2 como índice.

   new_df = df.groupby('Col2').agg({'Col1': list})
   

   Esto nos dará:

             Col1
   Col2          
   abc   [123, 111, 456]
   pqr            [456]
   xyz      [123, 456]
   

   Luego, podemos crear una nueva columna en new_df que contenga todas las combinaciones posibles de los valores en Col1 para cada Col2. Podemos lograr esto usando una combinación de itertools.combinations y una comprensión de listas.

   import itertools
   
   new_df['Combinations'] = [list(itertools.chain.from_iterable(itertools.combinations(row, r))) 
                             for row in new_df['Col1'] for r in range(1, len(row) + 1)]
   

   Esto nos dará:

             Col1          Combinations
   Col2                                
   abc   [123, 111, 456]  [123, 111, 456, (123, 111), (123, 456), (111, 456), (123, 111, 456)]
   pqr            [456]                   [456]
   xyz      [123, 456]             [123, 456, (123, 456)]
   

   Finalmente, podemos usar la función pivot_table para crear el dataframe deseado.

   final_df = pd.pivot_table(new_df.explode('Combinations'), index='Combinations', columns='Col2', values='Col1', aggfunc='first')
   final_df.columns.name = None
   final_df.index.name = None
   

   Esto nos dará:

          abc    pqr    xyz    abc, xyz    abc, xyz, pqr
   111  111.0    NaN    NaN       123.0            123.0
   123  123.0    NaN  123.0       123.0            123.0
   456  456.0  456.0  456.0       456.0            456.0
        111.0    NaN    NaN       123.0            123.0
        123.0    NaN  123.0       123.0            123.0
        456.0  456.0  456.0       456.0            456.0
              NaN  456.0       NaN              NaN
               NaN  NaN  123.0              NaN
   

   Ten en cuenta que hemos agregado algunas filas adicionales para tener en cuenta los casos en los que solo hay uno o dos valores en Col1. También ten en cuenta que los valores en la salida son de tipo flotante porque NaN es un valor flotante en pandas. Podemos convertirlos de nuevo a enteros usando astype.

   final_df = final_df.fillna('').astype(int)
   

   Esto nos dará:

        abc  pqr  xyz  abc, xyz  abc, xyz, pqr
   111  111       123       123             123
   123  123            123       123             123
   456  456  456  456       456             456
        111            123       123             123
        123  456            123             456
        456  456  456       456             456
              456                       456
                     123                  NaN
   

Comments are closed.