python - 使用 Pandas groupby 连接多行中的字符串

Question

我想根据 Pandas 中的 groupedby 合并数据框中的几个字符串。

到目前为止，这是我的代码：

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：

我不明白如何使用 groupby 并在“文本”列中应用某种字符串连接。任何帮助表示赞赏！

Answer 1

您可以按'name'和'month'列分组，然后调用transform它将返回与原始 df 对齐的数据并在我们join的文本条目中应用 lambda：

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来子原始df，df[['name','text','month']]然后调用drop_duplicates

编辑实际上我可以打电话apply然后reset_index：

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

这里lambda是不必要的：

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

Answer 2

我们可以按“名称”和“月份”列分组，然后调用Panda 的DataFrame对象的函数。agg()

该函数提供的聚合功能agg()允许在一次计算中计算每个组的多个统计信息。

df.groupby(['name', 'month'], as_index = False).agg({'text': ' '.join})

Answer 3

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连接到一列列表对象中，您也可以：

output_series = df.groupby(['name','month'])['text'].apply(list)

Answer 4

如果您想在列表中连接您的“文本”：

df.groupby(['name', 'month'], as_index = False).agg({'text': list})

Answer 5

对我来说，上述解决方案很接近，但添加了一些不需要的/n'sand dtype:object，所以这是一个修改版本：

df.groupby(['name', 'month'])['text'].apply(lambda text: ''.join(text.to_string(index=False))).str.replace('(\\n)', '').reset_index()

Answer 6

请尝试这行代码：-

df.groupby(['name','month'])['text'].apply(','.join).reset_index()

Answer 7

虽然，这是一个老问题。但以防万一。我使用了下面的代码，它似乎很有魅力。

text = ''.join(df[df['date'].dt.month==8]['text'])