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。比较部分的末尾是子字符串或正则表达式上的Pandas grouppy,pandas,python-2.7,dataframe,pandas-groupby,Pandas,Python 2.7,Dataframe,Pandas Groupby,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]) ##
。
。(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