Se me ocurre la siguiente solución. Se trata de hacer uso de groupby()
para agrupar por ["cod", "nombre"]
(lo que deja juntas en un sub-dataframe todas las filas con el mismo cod y nombre), y después procesar cada uno de los sub-dataframes resultantes mediante .apply()
y una función que habría que escribir.
El cometido de la función esa sería recibir un sub-dataframe en el que ya sabemos que todos los "cod", "nombre" son iguales, y por tanto debemos centrarnos solo en "condensar" en un solo valor todos los teléfonos que haya bajo la columna "telefono1"
y "telefono2"
, para retornar como resultado un mini-dataframe de una sola fila, con estas columnas y un solo valor en cada una.
La "condensación" de varios teléfonos en la misma columna en una sola cadena puede hacerse así:
- Se aplica
dropna()
a la columna para eliminar los null (o NaN
)
- Se aplica
set()
sobre el resultado para eliminar duplicados
- Se crea una lista iterando sobre ese conjunto, convirtiendo cada valor en cadena (podemos usar la cadena de formato
"{:g}"
para que no contenga decimales, ya que un número de teléfono no tiene decimales, pero en cambio Pandas lo estará tratando como float
debido a la existencia de NaN
en la columna.
- Se juntan los elementos de la lista mediante
", ".join()
para que queden separados por comas.
Todo lo anterior parece muy largo, pero se resuelve en una sola línea (y otra idéntica para la otra columna "telefono2"). Una vez tenemos ambos resultados retornamos el dataframe que los contenga.
Así pues ésta sería la función:
def juntar_telefonos(df):
t1 = ", ".join(f"{tfno:g}" for tfno in set(df.telefono1.dropna()))
t2 = ", ".join(f"{tfno:g}" for tfno in set(df.telefono2.dropna()))
return pd.DataFrame({"telefono1": [t1], "telefono2": [t2]})
Y para aplicarla en combinación con el groupby()
sería así:
df.groupby(["cod", "nombre"]).apply(juntar_telefonos).droplevel(-1).reset_index()
El .droplevel()
del final es para eliminar un índice extra que sería añadido por el dataframe que juntar_telefonos()
está retornando, y el reset_index()
es para que las antiguas columnas "cod" y "nombre", que debido al groupby()
se habían convertido en índices, vuelvan a ser columnas normales.
Ejemplos
Probamos sobre tu dataframe:
cod nombre telefono1 telefono2
0 a1 pepe 65222.0 NaN
1 a2 juan 5454.0 54545.0
2 a3 pepe 65565.0 6464.0
3 a1 pepe NaN 787887.0
y sale:
cod nombre telefono1 telefono2
0 a1 pepe 65222 787887
1 a2 juan 5454 54545
2 a3 pepe 65565 6464
Probemos con un dataframe que tenga varios teléfonos en una columna (telefono2)
cod nombre telefono1 telefono2
0 a1 pepe 65222.0 1234
1 a2 juan 5454.0 54545
2 a3 pepe 65565.0 6464
3 a1 pepe NaN 787887
Aquí el resultado es:
cod nombre telefono1 telefono2
0 a1 pepe 65222 1234, 787887
1 a2 juan 5454 54545
2 a3 pepe 65565 6464
Finalmente un caso en el que la columna (telefono1) tiene null en todas las entradas de ese usuario:
cod nombre telefono1 telefono2
0 a1 pepe NaN NaN
1 a2 juan 5454.0 54545.0
2 a3 pepe 65565.0 6464.0
3 a1 pepe NaN 787887.0
Resultado:
cod nombre telefono1 telefono2
0 a1 pepe 787887
1 a2 juan 5454 54545
2 a3 pepe 65565 6464
Parece que funciona bien en todos los casos.