根据条件合并单个pandas列中的数据

Question

我有一个pandas数据框，其中包含大量数据，如下所示：

temp_col
matt
joes\crabshack\one23
fail
joe:123,\
12345678,\
92313456,\
12341239123432,\
1321143
john
jacob
joe(x):543,\
9876544123,\
1234

如何获取所有以＆＃34;，\＆＃34;结尾的数据？剩下的一行没有一个并将它们合并成一行？

预期产出：

temp_col
matt
joes\crabshack\one23
fail
joe:1231234567892313456123412391234321321143
john
jacob
joe(x):54398765441231234

Answer 1

你可以试试这个：

(df.temp_col.groupby((~df.temp_col.str.contains(r",\\$")).shift().fillna(True).cumsum())
 .apply(lambda x: "".join(x.str.rstrip(r",\\"))))

#temp_col
#1                                            matt
#2                            joes\crabshack\one23
#3                                            fail
#4    joe:1231234567892313456123412391234321321143
#5                                            john
#6                                           jacob
#7                        joe(x):54398765441231234
#Name: temp_col, dtype: object

分解：

1）创建一个组变量，当元素不以,\结尾时生成一个新组：

g = (~df.temp_col.str.contains(r",\\$")).shift().fillna(True).cumsum()
g
#0     1
#1     2
#2     3
#3     4
#4     4
#5     4
#6     4
#7     4
#8     5
#9     6
#10    7
#11    7
#12    7
#Name: temp_col, dtype: int64

2）定义一个join函数，用于删除结束逗号和反斜杠;

join_clean = lambda x: "".join(x.str.rstrip(r",\\"))

3）将join函数应用于每个组以连接以,\结尾的连续行：

df.temp_col.groupby(g).apply(join_clean)

#temp_col
#1                                            matt
#2                            joes\crabshack\one23
#3                                            fail
#4    joe:1231234567892313456123412391234321321143
#5                                            john
#6                                           jacob
#7                        joe(x):54398765441231234
#Name: temp_col, dtype: object

Answer 2

由于数据被包装（我假设你看到了这个＆＃39; \＆＃39;因此它是同一个单元格的一部分。那么它只是一个逗号分隔号码。

df.columnnamehere.str.split(',').str.join(sep='')

或者如果＆＃39; \＆＃39;是一个不仅仅用于格式化的实际角色

df.columnnamehere.str.split(',\').str.join(sep='')

Answer 3

我认为在将数据加载到pandas DataFrame之前（或何时）处理它是更好的风格。但如果你坚持这样做，试试这个：

from pandas import DataFrame
df = DataFrame({'x': [
'matt', 
'joes\crabshack\one23',
'fail',
'joe:123,\\',
'12345678,\\',
'92313456,\\',
'12341239123432,\\',
'1321143',
'john',
'jacob',
'joe(x):543,\\',
'9876544123,\\'
'1234']})
df['g'] = (1 - df['x'].str.endswith('\\').astype(int).shift().fillna(0)).cumsum()
df = df.groupby('g')['x'].sum().apply(lambda x: x.replace('\\', ''))
df