Python 熊猫：根据条件将行转换为单列

我有以下名为

的数据帧匹配项

：

id  |  name  |  age
1   |  a     |  19
1   |  b     |  25
2   |  c     |  19
2   |  d     |  22

如果某列（

age

）的值满足条件（

x<21

），我将使用

groupby

+

count（）

）。结果将写入新列（

new\u col

）：

现在，我想以一种更可读的方式输出结果，也就是说，满足条件（年龄<21岁）的每一行的

name

-列应该写入一个新列，例如

result

我希望这样（但是，可能还有其他方法可以实现这一点。甚至可能在第一步中就已经这样做了，在第一步中，我添加了

new\u col

）：

---

最后一步（添加

结果

列）就是我现在遇到的问题。

我现在这样做：

groupBy

+

apply

+添加新列的应用函数：

matches = matches.groupby(['id']).apply(concat)

concat是：

def concat(group):
    group['result'] = "{%s}" % ', '.join(group['name'][group['age'] < 21])
    return group

def concat（组）：
组['result']=“{%s}”%，”。加入（组['name'][组['age']<21]）
返回组

是否有其他/更好的解决方案？

首先筛选行，然后最后筛选原始行：

matches1 = matches[matches.age < 21]
                          .groupby(['id'])['name'].agg({'result':', '.join, 'new_col': len})
print (matches1)
    new_col result
id                
1         1      a
2         2   c, d

print (matches.join(matches1, on='id'))
   id name  age  new_col result
0   1    a   19        1      a
1   1    b   25        1      a
2   2    c   19        2   c, d
3   2    d   18        2   c, d

更好地解释必要的

排序

有点变化

df

：

print (matches)
   id name  age
0   1    a   25 > first value is filter out by condition
1   1    b   12
2   2    c   19
3   2    d   18

matches = matches.sort_values(['id','age'])
g =  matches[matches.age < 21].groupby(['id'])['name']
matches['new_col'] = g.transform(len)
matches['result'] = g.transform(', '.join)
matches[['new_col','result']] = matches[['new_col','result']].ffill()

print (matches)
  id name  age  new_col result
1   1    b   12        1      b
0   1    a   25        1      b
3   2    d   18        2   d, c
2   2    c   19        2   d, c

print (matches.sort_index())
   id name  age  new_col result
0   1    a   25        1      b
1   1    b   12        1      b
2   2    c   19        2   d, c
3   2    d   18        2   d, c

打印（匹配项）
身份证姓名年龄
0 1 25>第一个值按条件过滤掉
11B12
2 c 19
3 2 d 18
matches=matches.sort_值（['id'，'age']）
g=matches[matches.age<21].groupby（['id']）['name']
匹配['new_col']=g.transform（len）
匹配['result']=g.transform（'，'.join）
匹配项[['new\u col'，'result']]=匹配项[['new\u col'，'result']]]。ffill（）
打印（匹配）
id名称年龄新列结果
11B121B
01A251B
3 2 d 18 2 d，c
2 2 c 19 2 d，c
打印（匹配.sort\u index（））
id名称年龄新列结果
01A251B
11B121B
2 2 c 19 2 d，c
3 2 d 18 2 d，c

def concat(group):
    group['result'] = "{%s}" % ', '.join(group['name'][group['age'] < 21])
    return group

matches1 = matches[matches.age < 21]
                          .groupby(['id'])['name'].agg({'result':', '.join, 'new_col': len})
print (matches1)
    new_col result
id                
1         1      a
2         2   c, d

print (matches.join(matches1, on='id'))
   id name  age  new_col result
0   1    a   19        1      a
1   1    b   25        1      a
2   2    c   19        2   c, d
3   2    d   18        2   c, d

matches = matches.sort_values(['id','age'])
g =  matches[matches.age < 21].groupby(['id'])['name']
matches['new_col'] = g.transform(len)
matches['result'] = g.transform(', '.join)
matches[['new_col','result']] = matches[['new_col','result']].ffill()

print (matches)
   id name  age  new_col result
0   1    a   19        1      a
1   1    b   25        1      a
3   2    d   18        2   d, c
2   2    c   19        2   d, c

print (matches)
   id name  age
0   1    a   25 > first value is filter out by condition
1   1    b   12
2   2    c   19
3   2    d   18

matches = matches.sort_values(['id','age'])
g =  matches[matches.age < 21].groupby(['id'])['name']
matches['new_col'] = g.transform(len)
matches['result'] = g.transform(', '.join)
matches[['new_col','result']] = matches[['new_col','result']].ffill()

print (matches)
  id name  age  new_col result
1   1    b   12        1      b
0   1    a   25        1      b
3   2    d   18        2   d, c
2   2    c   19        2   d, c

print (matches.sort_index())
   id name  age  new_col result
0   1    a   25        1      b
1   1    b   12        1      b
2   2    c   19        2   d, c
3   2    d   18        2   d, c