[python3 pandas] 複数のセルの内容を一つにまとめたい

Question

おはようございます。
同一のuser_idのコメントをひとつのセルにまとめ、重複しているuser_idを消したいです。
現在、重複しているuser_id基準にソートして重複しているuser_idを消す、という部分は書けたのですが、
「同じuser_idを持つcommentをひとつのセルにまとめる」という処理が思いつきません。

以下のソート結果から

   user_id comment
0        1      Hi
7        2   alice
1        2   World
6        3    find
4        3    Sato
2        3   Hello
5        4   class
3        4  Python

最終的にこのような出力結果にしたい

   user_id comment
0        1      Hi
7        2   alice.World
6        3    find.Sato.Hello
5        4   class.Python

現在のコードやファイル

コード

def del_dup():
    on_en = pd.read_csv('OnlyEn.csv')
    sorted_onen = on_en.sort_values(['user_id', 'comment'],
                                     ascending=[1, 0])
    # print(sorted_onen) ソート
    # print(len(on_en))

    no_dup_en = sorted_onen.drop_duplicates('user_id', keep='first')
    print(no_dup_en)

del_dup()

もともとのcsvファイル

user_id,comment
1,Hi
2,World
3,Hello
4,Python
3,Sato
4,class
3,find
2,alice

現在の出力結果

   user_id comment
0        1      Hi
7        2   alice
6        3    find
5        4   class

試したこと

思いついたけど「3つ以上重複したらどうするんだ」と気付き途中で取りやめたコード

    dup_num = []
    for i in len(sorted_onen):
        dup_num = i[0]
        if dup_num == dup_num + 1:
            print(i[0])
        else: continue

よろしくお願いしますm(__)m

できましたー(≧∇≦)b

mkgreiさまのアドバイスのおかげです<3
header = 'user_id'だけでuser_id,commentの両方がヘッダーに入る理由がわかりませんが、最終的に望む挙動になったので嬉しいです(^^)

def del_dup():
    on_en = pd.read_csv('OnlyEn.csv')
    sorted_onen = on_en.sort_values(['user_id', 'comment'],
                                     ascending=[1, 0])
    # print(sorted_onen)
    # print(len(on_en))

    df = pd.DataFrame(sorted_onen)
    print(df)
    ans = df.groupby('user_id')['comment'].apply(lambda x: ','.join(x))
    print(ans)

    ans.to_csv('final.csv', header = 'user_id')


del_dup()

# OnlyEn.csv
user_id,comment
1,Hi
2,World
3,Hello
4,Python
3,Sato
4,class
3,find
2,alice

# final.csv
user_id,comment
1,Hi
2,"alice,World"
3,"find,Sato,Hello"
4,"class,Python"

Answer 1

groupbyを使ってみてください。

import pandas as pd
a = [[1, 'abc'],
     [2, 'def'],
     [1, 'ghi']]
df = pd.DataFrame(a)
df.columns = ['id', 'string']
print(df)
​
ans = df.groupby('id')['string'].apply(lambda x: ','.join(x))
print(ans)

Comments

[Yukiya025]

mkgrei様、ありがとうございます！ できましたー(≧∇≦)b
またパソコンが使えるようになったら完成したコードを質問にアップします<3

[Yukiya025]

完成したコードを質問本文の最後に追記したのでご覧ください<3