Python 3.x 使用Pandas groupby连接多行中的字符串
我想基于Pandas中的groupedby在数据帧中合并几个字符串 这是我目前的代码:Python 3.x 使用Pandas groupby连接多行中的字符串,python-3.x,pandas,pandas-groupby,Python 3.x,Pandas,Pandas Groupby,我想基于Pandas中的groupedby在数据帧中合并几个字符串 这是我目前的代码: import pandas as pd from io import StringIO data = StringIO(""" "name1","hej","2014-11-01" "name1","du","2014-11-02" "name1","aj","2014-12-01" "name1","oj","2014-12-02" "name2","fin","2014-11-01" "name2","
import pandas as pd
from io import StringIO
data = StringIO("""
"name1","hej","2014-11-01"
"name1","du","2014-11-02"
"name1","aj","2014-12-01"
"name1","oj","2014-12-02"
"name2","fin","2014-11-01"
"name2","katt","2014-11-02"
"name2","mycket","2014-12-01"
"name2","lite","2014-12-01"
""")
# load string as stream into dataframe
df = pd.read_csv(data,header=0, names=["name","text","date"],parse_dates=[2])
# add column with month
df["month"] = df["date"].apply(lambda x: x.month)
我希望最终结果如下所示:
我不知道如何使用groupby并在“text”列中应用某种字符串串联。感谢您的帮助 您可以按
'name'
和'month'
列分组,然后调用transform
,它将返回与原始df对齐的数据,并应用lambda,其中我们将连接
文本条目:
In [119]:
df['text'] = df[['name','text','month']].groupby(['name','month'])['text'].transform(lambda x: ','.join(x))
df[['name','text','month']].drop_duplicates()
Out[119]:
name text month
0 name1 hej,du 11
2 name1 aj,oj 12
4 name2 fin,katt 11
6 name2 mycket,lite 12
我通过在此处传递感兴趣的列列表df[['name'、'text'、'month']]
来细分原始df,然后调用drop\u duplicates
编辑实际上我可以调用应用
,然后重置索引
:
In [124]:
df.groupby(['name','month'])['text'].apply(lambda x: ','.join(x)).reset_index()
Out[124]:
name month text
0 name1 11 hej,du
1 name1 12 aj,oj
2 name2 11 fin,katt
3 name2 12 mycket,lite
更新
此处不需要lambda
:
In[38]:
df.groupby(['name','month'])['text'].apply(','.join).reset_index()
Out[38]:
name month text
0 name1 11 du
1 name1 12 aj,oj
2 name2 11 fin,katt
3 name2 12 mycket,lite
EdChum的答案为您提供了很大的灵活性,但如果您只想将字符串合并到列表对象列中,您还可以:
output\u series=df.groupby(['name','month'])['text'].apply(list)
对我来说,上述解决方案很接近,但添加了一些不需要的/n和dtype:object,因此这里是一个修改版本:
df.groupby(['name', 'month'])['text'].apply(lambda text: ''.join(text.to_string(index=False))).str.replace('(\\n)', '').reset_index()
我们可以groupby对“name”和“month”列进行分组,然后调用Panda的数据帧对象的agg()函数。 agg()函数提供的聚合功能允许在一次计算中为每组计算多个统计信息
df.groupby(['name','month',as_index=False).agg({'text':''.join})
如果要在列表中连接“文本”:
df.groupby(['name', 'month'], as_index = False).agg({'text': list})
虽然这是一个老问题。但以防万一。我使用了下面的代码,它看起来像一个符咒
text = ''.join(df[df['date'].dt.month==8]['text'])
在
pandas<1.0
中,.drop\u duplicates()
忽略索引,这可能会产生意外的结果。您可以通过使用.agg(lambda x:','.join(x))
而不是.transform().drop_duplicates()
。整洁且简单来避免这种情况。如果您不包含参数drop\u duplicates(inplace=True)
或者只是将代码行重写为df=df[['name','text','month']],那么也可能无法使用drop\u duplicates()
伙计,您刚刚为我节省了很多时间。非常感谢。这是将按时间顺序排列的注册/用户ID列表组合成我所知道的“队列”的最佳方法。再次感谢你。