子字符串或正则表达式上的Pandas grouppy

给定一个数据帧。 如何在列“a”上执行groupby，以便将所有以相同字符串开头的行分组在一起。比较部分的末尾是

。

。（这里y_s1和y_s2组合在一起，而不是x_s1）

下面是一个简单的例子：

raw_data = {'a': ['y_s2', 'y_s1', 'x_s1'], 'b': [1,2,3]}
df = pd.DataFrame(raw_data, columns = ['a', 'b'])

大概是这样的：

grp = df.groupby(df['a'].str[:2])  ## groups on first 2-letters of column `a`

您可以在此groupby上执行

计数

，并检查以

x

开头的行是否分组在一起，以及以

y

开头的行是否分组在一起

In [1545]: df.groupby(df.a.str[:2]).count()                                                                                                                                                                 
Out[1545]: 
    a  b
a       
x_  1  1
y_  2  2

在OP的评论之后，有一种更普遍的方法：

## Split the string on `_` and create 2 separate columns

In [1572]: df['a1'], df['a2'] = df['a'].str.split('_', 1).str 
In [1573]: df                                                                                                                                                                                               
Out[1573]: 
      a  b a1  a2
0  y_s2  1  y  s2
1  y_s1  2  y  s1
2  x_s1  3  x  s1


## Groupby on `a1`(the part before `_`)

In [1577]: df.groupby('a1').count().drop('a2', 1)                                                                                                                                                           
Out[1577]: 
    a  b
a1      
x   1  1
y   2  2

没有复杂正则表达式的另一种方法；

---

您可以将

extract

与

regex

模式一起使用

df.groupby(df['a'].str.extract('(^[^_]*)')[0])['b'].sum()

输出：

0
x    3
y    3
Name: b, dtype: int64

0
x    3
y    3
Name: b, dtype: int64