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：

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。