Question

因此，尝试对费用数据进行一些分析。导入了一个csv，最初的groupby是：

group_df = df.groupby('Who', as_index=False).sum()

我注意到一些供应商使用略有不同的名称，并希望将它们合并为整体分组的一部分。匹配的文本在“谁”字段中并不总是位于同一位置，并且至少在到目前为止，我发现“谁”中的分组依据的术语根本不相似（“ Rathbone”和“ Yering”站”。

                                       Who   Amount
0   DE BORTOLI WINES          DIXONS CREEK  -29.54
1   DE BORTOLI WINES  RE      DIXONS CREEK  -20.50
2   DE BORTOLI WINES P/L      DIXONS CREEK  -22.50
3         DE BORTOLI WINES PTY L    BILBUL  -91.00
4     Ezard@Levantine Hill      Coldstream  -31.30
5     Ezard@LevantineHill       Coldstream  -21.10
6  RATHBONE WINE GROUP       PORT MELBOURN  -20.20
7     YERING STATION            YARRA GLEN  -17.05
8    YERING STATION            YARRA GREEN  -31.00
columns: Index(['Who', 'Amount'], dtype='object')

我想要的输出：

                                       Who   Amount
0   DE BORTOLI WINES          DIXONS CREEK  -163.54  # all rows containing 'De Bortoli'
1     Ezard@Levantine Hill      Coldstream  -52.40   # all rows containing 'Ezard@'
2  RATHBONE WINE GROUP       PORT MELBOURN  -20.20   # all rows containing 'Rathbone' or 'Yering Station' 
columns: Index(['Who', 'Amount'], dtype='object')

我一直在研究熊猫文档，网站示例和堆栈交换，但我无法找到一种不会引发某种错误的解决方案。

我希望能够在可能的情况下指定组“谁”（我认为这使这个问题与我所看到的其他示例有所不同）。

我还想知道是否应该全部通过一两个步骤-即两次通过是在数据帧上进行初始通用分组，然后将变体连接到groupby输出上。

我什至是采用正确的方法-在尝试进行分组之前对数据框行进行一些合并会更好吗？

感谢您的帮助！

Answer 1

一种方法是创建一个字典，其中包含诸如DE BORTOLI之类的查找键，并定义诸如DE BORTOLI WINES DIXONS CREEK之类的统一值。然后，您可以为此分层名称创建一个临时列，以使列Who中的信息不会丢失，并按以下新列进行分组：

#create dictionary how to translate patterns into categories
#the pattern .* is used as a regex pattern meaning any character before or after this string allowed
transl = {".*DE BORTOLI.*": "DE BORTOLI WINES          DIXONS CREEK", ".*Ezard@.*": "Ezard@Levantine Hill      Coldstream", ".*RATHBONE.*": "RATHBONE AND YERING", ".*YERING.*":"RATHBONE AND YERING"}
#create column with stratified name for grouping
df["strat"] = df["Who"].replace(to_replace = transl, regex = True)
#group and sum
group_df = df.groupby("strat", as_index = False).sum()
print(group_df)

样本输出

                                    strat  Amount
0  DE BORTOLI WINES          DIXONS CREEK -163.54
1    Ezard@Levantine Hill      Coldstream  -52.40
2                     RATHBONE AND YERING  -68.25

使用熊猫如何在定义组名称时对相似和不相似的部分列值进行分组

1 个答案: