Python 3.x 熊猫：按类似列值对行进行分组

有一个看起来像这样的熊猫df：

      x  column     word  size  y   
0  1552       0    word1   218  2           
1  1775       1    word2    53  2        
2  1999       2    word3   163  2               
3  2200       3    word4   142  2                
4  2345       4    word5   129  2 

      x  column   word  size  y    x1
0  1552       0  word1   218  2  1770
1  1775       1  word2    53  2  1828
2  1999       2  word3   163  2  2162
3  2200       3  word4   142  2  2342
4  2345       4  word5   129  2  2474

我想根据以下条件对行进行分组：

abs（当前行+当前行大小-下一行）<10

因此，此处所需的df为：

      x  column     word         size  y   
0  1552       0     word1 word2   271  2                   
1  1999       2     word3         163  2               
3  2200       3     word4 word5   271  2                

到目前为止，我已经尝试了以下内容：

df = df.groupby((abs(df.x + df.size - df.x.shift(1)) < 10).cumsum()).agg({'y':'min', 'x':'min', 'size':'sum', 'column':'min', 'word':' '.join}) 
                                                                                                   
                                                                                                        

df=df.groupby（（abs（df.x+df.size-df.x.shift（1））<10.cumsum（））.agg（{'y'：'min'，'x'：'min'，'size'：'sum'，'column'：'min'，'word:''.join}）

但是结果df并不是我所期望的，而且groupby条件似乎被忽略了

---

有什么可能的办法吗？谢谢

我没有得到相同的输出，但请尝试：

s = abs(df['x'] + df['size'] - df['x'].shift(-1)) < 10
df = df.groupby(s).agg({'x' : 'first', 'column' : 'first',
                        'word' : lambda x: ' '.join(list(x)), 'size' : 'sum', 'y' : 'first'})
df

Out[1]: 
          x  column               word  size  y
False  1775       1  word2 word3 word5   345  2
True   1552       0        word1 word4   360  2

最后是

.cumsum（）

（除了您发布的输出之外，我似乎得到了所有东西：）！：

s=（（abs（df['x']+df['size']-df['x'].shift（-1））<10））.cumsum（）
df=df.groupby.agg（{'x'：'first'，'column'：'first'，
'word'：lambda x:''。联接（列表（x）），'size'：'sum'，'y'：'first'}）
df
出[2]：
x列字长y
1 1552字1字2字3 434 2
2 2200 3字4字5 271 2

经过几个小时的努力，我终于成功了

从该df分层：

      x  column     word  size  y   
0  1552       0    word1   218  2           
1  1775       1    word2    53  2        
2  1999       2    word3   163  2               
3  2200       3    word4   142  2                
4  2345       4    word5   129  2 

我做的第一件事是添加另一列x1，表示x和大小的总和：

df["x1"] = df["x"] + df["size"]

现在，我的df如下所示：

      x  column     word  size  y   
0  1552       0    word1   218  2           
1  1775       1    word2    53  2        
2  1999       2    word3   163  2               
3  2200       3    word4   142  2                
4  2345       4    word5   129  2 

      x  column   word  size  y    x1
0  1552       0  word1   218  2  1770
1  1775       1  word2    53  2  1828
2  1999       2  word3   163  2  2162
3  2200       3  word4   142  2  2342
4  2345       4  word5   129  2  2474

现在，我用这个条件执行分组

（df.x-df.x1.shift（1））>10）

：

结果是预期的：

   y     x  size  column         word
0  2  1552   271       0  word1 word2
1  2  1999   163       2        word3
2  2  2200   271       3  word4 word5

---

让它工作，但我真的不知道为什么凿槽条件

（abs（df.x+df.size-df.x.shift（1））<10）

失败了。也许有经验的人可以解释。

您确定此条件设置正确吗？我的输出不匹配。基于

abs（当前行+当前行大小-下一行）的分组<10

是我希望实现的目标。x是单词的开头，size是单词的大小。因此，如果x+大小足够接近下一个单词（来自下一个df行的x），我想将它们分组。也许

df=df.groupby（（abs（df.x+df.size-df.x.shift（1））<10.cumsum（））.agg（{'y'：'min'，'x'：'min'，'size'：'sum'，'column'：'min'，'word:''.join}）的方法是完全错误的。我尝试过不同的方法，但没有成功。目标是获得所需的df。
   y     x  size  column         word
0  2  1552   271       0  word1 word2
1  2  1999   163       2        word3
2  2  2200   271       3  word4 word5