Python 3.7 - Reuna os mesmos IDs no DataFrame / Join the similar IDs in DataFrame

Participo de alguns canais em mídias sociais e sempre me deparo com uma dúvida frequente de quem está come?ando com Python: "Tenho um DataFrame com IDs repetidos, quero reunir todos os IDs repetidos na mesma linha/coluna, como fa?o isso?". / I participate in a some social media groups and always I see the same doubt: "Is it possible to join repeated IDs of a DataFrame in the same row/column?".

Primeiro precisamos entender o que é um DataFrame. DataFrame é uma estrutura de dados onde os dados s?o armazenados em linhas e colunas e podem ser de tipos diferentes, semelhante a uma matriz. Com isso temos fun??es para linhas, colunas, chaves, valores, etc. / First of all we need understand what is a DataFrame. DataFrame is a data-structure where the data are stored in lines and columns and can worked in different types such as a matriz. So we have functions based on lines, columns, keys, values, etc.

Vamos utilizar o Pandas / We are going to work with Pandas:

import pandas as pd

Agora que importamos a biblioteca Pandas, vamos criar um modelo de DataFrame (estou considerando que você já conhece as Collections do Python) / Now that we already import Pandas library we are going to create a DataFrame (I considered you know the Python Collections):

data={'id':[1,2,3,1,2,1],'name':['marco','maria','john','antonio','jack','pereira']}

dfInput=pd.DataFrame(data=data)

O que teremos ao imprimir dfInput? What are we have print dfInput?

Usamos um Dictionary para criar um DataFrame com duas colunas, Id e Name, perceba que temos IDs repetidos, provavelmente o usuário irá querer que você reuna os IDs repetidos na mesma linha/coluna pois se refere a um nome completo de um usuário. / We used a Dictionary to create a DataFrame with two columns, Id and Name. Realize we have repeated IDs, probably refer to a full name of users.

Vamos realizar loop e agora reduzir as chaves repetidas em uma única chave. Caso seja uma única chave, sem problemas, ela ficará armazenada separadamente. No Python 2.7 tínhamos a fun??o dict.has_key(chave), essa fun??o retornaria True caso a chave existisse no dicionário ou False caso ela n?o existisse. No Python 3.7 essa fun??o n?o existe mais nativamente, ao invés disso temos a fun??o dict.__contains__(chave) que tem o mesmo comportamento da fun??o has_key, inclusive, __contains__ também já existia em sua vers?o 2.7. Verificamos aqui se a chave repetida já existe no dicionário, caso afirmativo, vamos apenas incrementar essa chave repetida / We made a loop to reduce the repeated keys into only one key. In Python 2.7 we had dict.has_key(key) function, this function returns True if the Key exists in the Dictionary or False. In Python 3.7 this function is deprecated, we have the dict.__contains__(key) function, your behavior is similar has_key(key) and this function is present in Python 2.7 too.

d1={}
for x,y in dfInput.values:
	if(d1.__contains__(x)):
		d1.update({x:d1.get(x) + ', ' + y})
	else:
		d1.update({x:y})
print(d1)

Ao printar o resultado teremos o seguinte dentro do Dict d1 / Printing the Dictionary d1 we have here:

Agora vamos transformar o Dict d1 que foi gerado a partir do DataFrame dfInput em um novo DataFrame. / Now we are to transform the Dict d1 generated by DataFrame dfInput in the new DataFrame.

id=[]
name=[]
d2={}
for x,y in d1.items():
	id.append(x)
	name.append(y)
	d2.update({'id':id,'name':name})

O que nós teremos ao imprimir o novo Dict d2? / What we have if print the new Dict d2?

Vamos gerar ent?o o novo DataFrame a partir do Pandas corretamente. / Let's go to generate the new DataFrame with Pandas correctly

dfOutput=pd.DataFrame(data=d2)

Agora temos um novo DataFrame com duas colunas consolidado. / Now we have a new DataFrame with two consolidated columns.

No lugar do primeiro DataFrame poderíamos ter carregado um arquivo CSV/TXT e todo esse tratamento poderia ser feito posteriormente. Esta n?o é a única forma de se obter este resultado. / Instead of using the first DataFrame we could load a CSV / TXT file and transform it into DataFrame and then after to make the same transformations. This is not the only way to solve this problem, we have a hundred other methods to solve this same problem.

Feedbacks s?o bem vindos! / Feedbacks are welcome!