Question

我有很多列包含相同的子字符串，我想使用OR函数将它们合并为一个。

所以我想合并所有具有相同

的列

dfin.columns.str.split("_").str[1]

first_RG7509|   first_YY6124|   last_YY6124|    first_WE4818|first_AA7542|  last_RG7509

1|0|1|1|0|0

，输出应为：

RG7509|YY6124|WE4818|AA7542

1|1|1|0

我怎样才能做到这一点？

Answer 1

您可以通过每个字符串的第二部分进行转置，分组，然后转置回来：

>>> df.T.groupby(df.T.index.str.split('_').str[1]).sum() > 0).T.astype(int)
    AA7542  RG7509  WE4818  YY6124
0   0   1   1   1

Answer 2

您可以使用axis = 1进行分组：

In [11]: df
Out[11]:
   first_RG7509  first_YY6124  last_YY6124  first_WE4818  first_AA7542  last_RG7509
0             1             0            1             1             0            0

In [12]: df.groupby(lambda x: x.split("_")[1], axis=1).sum()
Out[12]:
   AA7542  RG7509  WE4818  YY6124
0       0       1       1       1

Answer 3

您也可以进行重复检查：

df.columns = df.columns.str.split('_').str[1]
df = (df.T.sort_values(by=0)
          .reset_index()
          .drop_duplicates(subset='index', keep='last')
          .set_index('index').T)

完整证据：

import pandas as pd

data = '''\
first_RG7509|first_YY6124|last_YY6124|first_WE4818|first_AA7542|last_RG7509
1|0|1|1|0|0'''

df = pd.read_csv(pd.compat.StringIO(data), sep='|')

df.columns = df.columns.str.split('_').str[1]
df = (df.T.sort_values(by=0)
          .reset_index()
          .drop_duplicates(subset='index', keep='last')
          .set_index('index').T)

Pandas - 使用相同的子字符串合并所有列

3 个答案: