使用Pandas groupby连接多行中的字符串

Question

我想基于Pandas中的分组来合并数据帧中的几个字符串。

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：

我不知道如何使用groupby并在列＃34; text＆＃34;中应用某些字符串串联。任何帮助表示赞赏！

Answer 1

您可以按'name'和'month'列进行分组，然后调用transform，这将返回与原始df对齐的数据，并在我们join文本条目的位置应用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df[['name','text','month']]列表来调整原始df，然后调用drop_duplicates

编辑实际上我可以拨打apply，然后拨打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

<强>更新

此处不需要lambda：

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

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列表对象列中，您还可以：

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

Answer 3

对我来说，上述解决方案很接近，但是添加了一些不必要的/ n和dtype：object，所以这是修改后的版本：

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

Answer 4

我们可以分组“名称”和“月份”列，然后调用熊猫DataFrame对象的agg（）函数。

agg（）函数提供的聚合功能允许在一次计算中为每个组计算多个统计信息。

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

Answer 5

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'])

Answer 6

如果要在列表中串联“文本”：

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