Question

让我们说我的df是：

index "A" "B"
0 A1 "B1,B2,B3"
1 A2 "B2,B4,B3"
2 A3 "B2,B3,B5"

我想做magical_function（df）

index "B'" "A''"
0 B1 "A1"
1 B2 "A1,A2,A3"
2 B3 "A1,A2,A3"
3 B4 "A2"
4 B5 "A3"

所以我使用了爆炸策略（所有优点都在这里张贴海报：pandas: How do I split text in a column into multiple rows?）
我因此首先避免错误，然后我用一个列进行系列分割，我将其爆炸并堆叠，然后使用相同索引的连接魔法复制“A”列值，如果需要

dcolumn="A"
col="B"
current_wdf=df[[idcolumn,col]].dropna()
current_col=current_wdf.loc[:,col]
exploded_df=current_col.str.split(',').apply(pd.Series,1).stack()#much slower but keep the index. I could used substitution with enumerate after dropping level
exploded_df.index=exploded_df.index.droplevel(-1)
exploded_df.name=col
agg_df=pd.DataFrame(current_wdf.loc[:,idcolumn]).join(exploded_df)
grouped=agg_df.groupby([col])

在我拥有之后：

0   1

0 B1 A1
1 B2 A1
1 B2 A2
1 B2 A3
2 B3 A1
2 B3 A2
2 B3 A3
3 B4 A2
4 B5 A3

然后我做

grouped=agg_df.groupby([col])
gives
a dict
{'B1': Int64Index([0], dtype='int64'),
'B2': Int64Index([1, 1, 1], dtype='int64'),
'B3': Int64Index([2, 2, 2], dtype='int64'),
'B4': Int64Index([3], dtype='int64'),
'B5': Int64Index([4], dtype='int64')}

要拥有我想要的数据帧，我需要超越仅显示索引并执行此操作的“组”限制

groups_dict= {k: list(grouped.get_group(v).loc[:,idcolumn]) for k, v in grouped.groups.items()}

或

agg_df2=agg_df.reset_index()
groups_dict2= {k: list(agg_df2.loc[v,idcolumn]) for k,v in grouped.indices.items()}

我终于得到了数据框，但两者都感觉很慢。

但这不是微不足道的，我对最后一部分表示怀疑。它有效，但速度很慢，很容易破碎。

这种匹配逆转过程是否没有操作？并且，对于像我暴露的组内容检索，有没有办法获取内容而不是索引而不必反复执行get_group？

Answer 1

使用set_index + str.split + stack + groupby + apply + reset_index：

df = df.set_index('A')['B']
       .str.split(',', expand=True)
       .stack()
       .reset_index(name='B')
       .groupby('B')['A']
       .apply(', '.join)
       .reset_index()
print (df)
    B           A
0  B1          A1
1  B2  A1, A2, A3
2  B3  A1, A2, A3
3  B4          A2
4  B5          A3

使用numpy.concatenate + numpy.repeat + DataFrame构造函数的另一种解决方案：

s = df.set_index('A')['B'].str.split(',')
l = s.str.len()
df1 = pd.DataFrame({'A': np.repeat(df['A'].values, l), 'B':np.concatenate(s)})
df1 = df1.groupby('B')['A'].apply(', '.join).reset_index()
print (df1)
    B           A
0  B1          A1
1  B2  A1, A2, A3
2  B3  A1, A2, A3
3  B4          A2
4  B5          A3

表/ df列之间的反向分组关系

1 个答案: