Python 如何在dataframe中合并类别分类列？

我有一个数据帧：

Date        Open     High      Low     Close     Struct  Trend                                           
2000-12-31  1477.87  1553.10  1254.19  1320.28   ohlc     D
2001-12-31  1321.62  1383.37   944.07  1148.08   ohlc     D
2002-12-31  1148.08  1176.97   768.58   879.82   ohlc     D
2003-12-31   881.69  1112.52   788.90  1111.92   olhc     U
2004-12-31  1112.61  1217.33  1060.74  1211.92   olhc     U
2005-12-31  1213.43  1275.80  1136.22  1248.29   olhc     U
2006-12-31  1252.03  1431.81  1219.29  1418.30   olhc     U
2007-12-31  1418.03  1576.09  1364.14  1468.36   olhc   U/D
2008-12-31  1468.36  1471.77   741.02   903.25   ohlc     D
2009-12-31   903.25  1130.38   666.79  1115.10   olhc   U/D
2010-12-31  1115.10  1262.60  1010.91  1257.64   olhc     U
2011-12-31  1257.62  1370.58  1074.77  1257.60   ohlc     U
2012-12-31  1258.86  1474.51  1258.86  1426.19   olhc     U
2013-12-31  1426.19  1849.44  1426.19  1848.36   olhc     U
2014-12-31  1845.86  2093.55  1737.92  2058.90   olhc     U
2015-12-31  2058.90  2134.72  1867.01  2043.94   ohlc     U
2016-12-31  2038.20  2277.53  1810.10  2238.83   olhc     U
2017-12-31  2251.57  2694.97  2245.13  2673.61   olhc     U
2018-12-31  2683.73  2940.91  2346.58  2506.85   ohlc     U

数据有两个分类列“Struct”和“Trend”

我想按这两列对数据进行分组

当我这样做的时候：

groups = data.groupby(['Struct', 'Trend'])

熊猫可能获得6种不同的“结构”和“趋势”组合： [（'ohlc'，'D'），（'ohlc'，'U'），（'ohlc'，'U/D'），（'olhc'，'D'），（'olhc'，'U'），（'olhc'，'U/D'）]

如何合并组，其中“趋势”类别将“D”作为值的子字符串？？？

我预计只有4组：：

（'ohlc'，D'）+（'ohlc'，U/D'）-->（'ohlc'，D'））

（‘ohlc’、‘U’）+（‘ohlc’、‘U/D’）-->（‘ohlc’、‘U’）

（'olhc'，'D'）+（'ohlc'，'U/D'）-->（'olhc'，'D'））

（'olhc'，'U'）+（'ohlc'，'U/D'）-->（'olhc'，'U'）

简单地说，每个组“D”必须包括所有数据“D”和“U/D”。每组“U”必须包括数据“U”和“U/D”

编辑：

上述样本的预期结果：

Date        Open     High      Low     Close     Struct  Trend                                           
2003-12-31   881.69  1112.52   788.90  1111.92   olhc     U
2004-12-31  1112.61  1217.33  1060.74  1211.92   olhc     U
2005-12-31  1213.43  1275.80  1136.22  1248.29   olhc     U
2006-12-31  1252.03  1431.81  1219.29  1418.30   olhc     U
2007-12-31  1418.03  1576.09  1364.14  1468.36   olhc   U/D
2009-12-31   903.25  1130.38   666.79  1115.10   olhc   U/D
2010-12-31  1115.10  1262.60  1010.91  1257.64   olhc     U
2011-12-31  1257.62  1370.58  1074.77  1257.60   ohlc     U
2012-12-31  1258.86  1474.51  1258.86  1426.19   olhc     U
2013-12-31  1426.19  1849.44  1426.19  1848.36   olhc     U
2014-12-31  1845.86  2093.55  1737.92  2058.90   olhc     U
2015-12-31  2058.90  2134.72  1867.01  2043.94   ohlc     U
2016-12-31  2038.20  2277.53  1810.10  2238.83   olhc     U
2017-12-31  2251.57  2694.97  2245.13  2673.61   olhc     U
2018-12-31  2683.73  2940.91  2346.58  2506.85   ohlc     U



Date        Open     High      Low     Close     Struct  Trend                                           
2000-12-31  1477.87  1553.10  1254.19  1320.28   ohlc     D
2001-12-31  1321.62  1383.37   944.07  1148.08   ohlc     D
2002-12-31  1148.08  1176.97   768.58   879.82   ohlc     D
2007-12-31  1418.03  1576.09  1364.14  1468.36   olhc   U/D
2008-12-31  1468.36  1471.77   741.02   903.25   ohlc     D
2009-12-31   903.25  1130.38   666.79  1115.10   olhc   U/D

我是这样做的，但我只得到数据帧，需要组：

trend_dtype = pd.api.types.CategoricalDtype(categories=['D', 'U/D'], ordered=False)
data['Trend'] = data['Trend'].astype(trend_dtype)
print(data.dropna())

你可以用

---

---

---

你可以用

---

---

---

---

您可以将问题视为重复

Trend

为

U/D

的行。因此，这里有一种方法：

df = (df.iloc[:,:-1]
   .join(df.Trend.str.split('/', expand=True))
   .melt(id_vars=df.columns[:-1], value_name='Trend')
   .dropna()
   .drop('variable', axis=1)
)

您的df是：

          Date     Open     High      Low    Close Struct Trend
0   2000-12-31  1477.87  1553.10  1254.19  1320.28   ohlc     D
1   2001-12-31  1321.62  1383.37   944.07  1148.08   ohlc     D
2   2002-12-31  1148.08  1176.97   768.58   879.82   ohlc     D
3   2003-12-31   881.69  1112.52   788.90  1111.92   olhc     U
4   2004-12-31  1112.61  1217.33  1060.74  1211.92   olhc     U
5   2005-12-31  1213.43  1275.80  1136.22  1248.29   olhc     U
6   2006-12-31  1252.03  1431.81  1219.29  1418.30   olhc     U
7   2007-12-31  1418.03  1576.09  1364.14  1468.36   olhc     U
8   2008-12-31  1468.36  1471.77   741.02   903.25   ohlc     D
9   2009-12-31   903.25  1130.38   666.79  1115.10   olhc     U
10  2010-12-31  1115.10  1262.60  1010.91  1257.64   olhc     U
11  2011-12-31  1257.62  1370.58  1074.77  1257.60   ohlc     U
12  2012-12-31  1258.86  1474.51  1258.86  1426.19   olhc     U
13  2013-12-31  1426.19  1849.44  1426.19  1848.36   olhc     U
14  2014-12-31  1845.86  2093.55  1737.92  2058.90   olhc     U
15  2015-12-31  2058.90  2134.72  1867.01  2043.94   ohlc     U
16  2016-12-31  2038.20  2277.53  1810.10  2238.83   olhc     U
17  2017-12-31  2251.57  2694.97  2245.13  2673.61   olhc     U
18  2018-12-31  2683.73  2940.91  2346.58  2506.85   ohlc     U
26  2007-12-31  1418.03  1576.09  1364.14  1468.36   olhc     D
28  2009-12-31   903.25  1130.38   666.79  1115.10   olhc     D

---

请注意行

（7,26）

和

（9,28）

您可以将问题视为重复

趋势

为

U/D

的行。因此，这里有一种方法：

df = (df.iloc[:,:-1]
   .join(df.Trend.str.split('/', expand=True))
   .melt(id_vars=df.columns[:-1], value_name='Trend')
   .dropna()
   .drop('variable', axis=1)
)

您的df是：

          Date     Open     High      Low    Close Struct Trend
0   2000-12-31  1477.87  1553.10  1254.19  1320.28   ohlc     D
1   2001-12-31  1321.62  1383.37   944.07  1148.08   ohlc     D
2   2002-12-31  1148.08  1176.97   768.58   879.82   ohlc     D
3   2003-12-31   881.69  1112.52   788.90  1111.92   olhc     U
4   2004-12-31  1112.61  1217.33  1060.74  1211.92   olhc     U
5   2005-12-31  1213.43  1275.80  1136.22  1248.29   olhc     U
6   2006-12-31  1252.03  1431.81  1219.29  1418.30   olhc     U
7   2007-12-31  1418.03  1576.09  1364.14  1468.36   olhc     U
8   2008-12-31  1468.36  1471.77   741.02   903.25   ohlc     D
9   2009-12-31   903.25  1130.38   666.79  1115.10   olhc     U
10  2010-12-31  1115.10  1262.60  1010.91  1257.64   olhc     U
11  2011-12-31  1257.62  1370.58  1074.77  1257.60   ohlc     U
12  2012-12-31  1258.86  1474.51  1258.86  1426.19   olhc     U
13  2013-12-31  1426.19  1849.44  1426.19  1848.36   olhc     U
14  2014-12-31  1845.86  2093.55  1737.92  2058.90   olhc     U
15  2015-12-31  2058.90  2134.72  1867.01  2043.94   ohlc     U
16  2016-12-31  2038.20  2277.53  1810.10  2238.83   olhc     U
17  2017-12-31  2251.57  2694.97  2245.13  2673.61   olhc     U
18  2018-12-31  2683.73  2940.91  2346.58  2506.85   ohlc     U
26  2007-12-31  1418.03  1576.09  1364.14  1468.36   olhc     D
28  2009-12-31   903.25  1130.38   666.79  1115.10   olhc     D

---

请注意第

（7,26）

和

（9,28）

行，您能提供一个您想要的最终数据集的示例吗？您想要的组不是1/3相同吗？还有2/4？@BrianJoseph不，你误读了课文

ohlc

和

olhc

@Trenton_M，噢，哇，这让我很困惑。我花了好几次时间才正确阅读。你能提供一个你想要的最终数据集的样本吗？你想要的组不是1/3相同吗？还有2/4？@BrianJoseph不，你误读了课文

ohlc

和

olhc

@Trenton_M，噢，哇，这让人困惑，谢谢。我也花了好几次时间才看懂它。

df = (df.iloc[:,:-1]
   .join(df.Trend.str.split('/', expand=True))
   .melt(id_vars=df.columns[:-1], value_name='Trend')
   .dropna()
   .drop('variable', axis=1)
)

          Date     Open     High      Low    Close Struct Trend
0   2000-12-31  1477.87  1553.10  1254.19  1320.28   ohlc     D
1   2001-12-31  1321.62  1383.37   944.07  1148.08   ohlc     D
2   2002-12-31  1148.08  1176.97   768.58   879.82   ohlc     D
3   2003-12-31   881.69  1112.52   788.90  1111.92   olhc     U
4   2004-12-31  1112.61  1217.33  1060.74  1211.92   olhc     U
5   2005-12-31  1213.43  1275.80  1136.22  1248.29   olhc     U
6   2006-12-31  1252.03  1431.81  1219.29  1418.30   olhc     U
7   2007-12-31  1418.03  1576.09  1364.14  1468.36   olhc     U
8   2008-12-31  1468.36  1471.77   741.02   903.25   ohlc     D
9   2009-12-31   903.25  1130.38   666.79  1115.10   olhc     U
10  2010-12-31  1115.10  1262.60  1010.91  1257.64   olhc     U
11  2011-12-31  1257.62  1370.58  1074.77  1257.60   ohlc     U
12  2012-12-31  1258.86  1474.51  1258.86  1426.19   olhc     U
13  2013-12-31  1426.19  1849.44  1426.19  1848.36   olhc     U
14  2014-12-31  1845.86  2093.55  1737.92  2058.90   olhc     U
15  2015-12-31  2058.90  2134.72  1867.01  2043.94   ohlc     U
16  2016-12-31  2038.20  2277.53  1810.10  2238.83   olhc     U
17  2017-12-31  2251.57  2694.97  2245.13  2673.61   olhc     U
18  2018-12-31  2683.73  2940.91  2346.58  2506.85   ohlc     U
26  2007-12-31  1418.03  1576.09  1364.14  1468.36   olhc     D
28  2009-12-31   903.25  1130.38   666.79  1115.10   olhc     D