按多个列分组的问题（每次的行数不同）

Question

我有一个数据框，它存储了大约30000个文档的信息，这些文档分布在200000行上。这是因为一个文档可以有多个主题术语。因此，除了“SubjectTerm”列之外，讨论同一文档的行是相同的

我的目标是：一个数据框架，其中一行表示一个文档，其所有主题术语都在一个列表中。由于同一文档的所有列都相同，因此我使用了GROUPBY。我按不同的列将行分组。但是，每次我得到的行数不同。到目前为止，我就是这么做的。知道我做错了什么吗

SubjectTerms_Kreuztabelle = EBSCOhost_unselektiert.copy(deep=True)
SubjectTerms_Kreuztabelle.dropna(subset=["SubjectTerm"], inplace = True)

SubjectTerms_Kreuztabelle2 = SubjectTerms_Kreuztabelle.groupby(["Jahr", "Titel"])["SubjectTerm"].apply(list).reset_index()  #29.338 rows

SubjectTerms_Kreuztabelle4 = SubjectTerms_Kreuztabelle.groupby(["Jahr", "Datum", "Medium-Typ", "Titel"])["SubjectTerm"].apply(list).reset_index() #29.606 rows

Answer 1

您必须有一些隐藏的空白，这样可能会有所帮助：

import pandas as pd

df = pd.DataFrame({'A': ['a', 'b', '  a  '],
                   'B': [1, 2, 3]})

print(df.groupby('A')['B'].sum())

#A
#  a      3
#a        1
#b        2
#Name: B, dtype: int64

df_obj = df.select_dtypes(['object'])

df[df_obj.columns] = df_obj.apply(lambda x: x.str.strip())

print(df.groupby('A')['B'].sum())

#A
#a    4
#b    2
#Name: B, dtype: int64