Lo que realmente buscas es agrupar por la columna columna_1
, por lo que puedes usar pandas.DaataFrame.groupby()
. Para generar las otras dos columnas puedes usar agg/aggregate:
A columna_3
simplemente hay que aplicarle numpy.sum
.
A columna_2
hay que convertirla en una lista o un array de NumPy o algún contenedor similar, una celda de un DataFrame solo puede contener un objeto, para poder agrupar los valores necesitas por tanto algún contenedor.
import pandas as pd
import numpy as np
d = {'columna_1': ['AAA45', 'FFF32', 'FFF32', 'LLL39', 'RRR35', 'RRR35'],
'columna_2': [28150502, 28150503, 28150502, 28150508, 28150510, 28150508],
'columna_3': [10, 30, 20, 15, 60, 10]
}
df = pd.DataFrame(data=d)
new = (df.groupby("columna_1")
.agg({"columna_2": np.array, "columna_3": "sum"})
.reset_index()
)
>>> new
columna_1 columna_2 columna_3
0 AAA45 28150502 10
1 FFF32 [28150503, 28150502] 50
2 LLL39 28150508 15
3 RRR35 [28150510, 28150508] 70