Python 熊猫：有没有一种方法可以将列中的值组合在一起？

我使用pandas来处理一个数据帧，其中一列被称为“Rank”，表示军事级别。当我对数据使用

groupby

并创建

交叉表时，我注意到
Rank
中的一些值是同义词。例如，我的交叉表中有单独的行用于“Private 1st Class”、“Private 1st Class”和“PFC”

假设我可以手动创建一个字典，将所有这些“同义词”关联在一起，是否有办法让pandas将其应用于我的数据帧，以便在计数、交叉表等方面，所有值都被认为是相同的？因此，对于上面的示例，如果我决定对“PFC”进行标准化，我将创建以下内容：
{“Private 1st Class”：“PFC”，“Private 1st Class”：“PFC”}

我查看了
groupby
，但据我所知，它按列对整个框架进行排序，不支持这样的等价值。如果我错了，请有人给我指出文档的相关部分好吗？
给你举个例子：

数据：

口述翻译：

translate = pd.DataFrame.from_records({"key": ["Private 1st class", "PFC", "Private First Class"],
                           "harmonizedkey": ["PFC", "PFC", "PFC"]})

让我们将dict合并到
df
：

newdf = pd.merge(df, translate, how = "left", on = "key")

创建一个新的（完整的）组：

现在，使用
groupby
：

newdf.groupby("newgroup").sum()

        val
newgroup    
PFC     6
other   9

将地图与词典一起使用以生成新列：

import pandas as pd
df = pd.DataFrame([
    ('Private 1st Class', 3),
    ('Private First Class', 2),
    ('PFC', 5),
    ('Sergeant', 2),
    ('SGT', 2)
], columns = ['rank', 'bannanas'])

d = {
    'Private 1st Class': 'PFC',
    'Private First Class': 'PFC',
    'PFC': 'PFC',
    'Sergeant': 'SGT',
    'SGT': 'SGT'
}

df['merged_rank'] = df['rank'].map(d)
print(df)
                  rank  bannanas merged_rank
0    Private 1st Class         3         PFC
1  Private First Class         2         PFC
2                  PFC         5         PFC
3             Sergeant         2         SGT
4                  SGT         2         SGT

print(df.groupby('merged_rank')['bannanas'].agg('sum'))   

merged_rank
PFC    10
SGT     4
Name: bannanas, dtype: int64   

您能否在数据框中创建一个新列，其中包含“标准化排名”和新列上的
groupby
？将您的词典转换为一个
dataframe
，
将其与原始列和
groupby
新列合并。
newdf.groupby("newgroup").sum()

        val
newgroup    
PFC     6
other   9

import pandas as pd
df = pd.DataFrame([
    ('Private 1st Class', 3),
    ('Private First Class', 2),
    ('PFC', 5),
    ('Sergeant', 2),
    ('SGT', 2)
], columns = ['rank', 'bannanas'])

d = {
    'Private 1st Class': 'PFC',
    'Private First Class': 'PFC',
    'PFC': 'PFC',
    'Sergeant': 'SGT',
    'SGT': 'SGT'
}

df['merged_rank'] = df['rank'].map(d)
print(df)
                  rank  bannanas merged_rank
0    Private 1st Class         3         PFC
1  Private First Class         2         PFC
2                  PFC         5         PFC
3             Sergeant         2         SGT
4                  SGT         2         SGT

print(df.groupby('merged_rank')['bannanas'].agg('sum'))   

merged_rank
PFC    10
SGT     4
Name: bannanas, dtype: int64