Groupby 两列忽略对的顺序

Question

假设我们有一个如下所示的数据框：

    start   stop   duration
0   A       B      1
1   B       A      2
2   C       D      2
3   D       C      0

构建以下列表的最佳方法是什么：i）开始/停止对；ii) 开始/停止对的计数；iii) 开始/停止对的平均持续时间？在这种情况下，顺序应该无关紧要：(A,B)=(B,A).

期望的输出： [[start,stop,count,avg duration]]

在这个例子中： [[A,B,2,1.5],[C,D,2,1]]

Answer 1

sort前两列（您可以就地执行此操作，或创建副本并执行相同的操作；我已经完成了前者），然后groupby和agg：

df[['start', 'stop']] = np.sort(df[['start', 'stop']], axis=1)

(df.groupby(['start','stop'])
   .duration
   .agg(['count', 'mean'])
   .reset_index()
   .values
   .tolist())
# [['A', 'B', 2, 1.5], ['C', 'D', 2, 1.0]]