Question

我有一个名为namelist.csv的csv文件，其中包括：

Index String             Size           Name
1     AAA123000DDD        10             One
2     AAA123DDDQQQ        20             One
3     AAA123000DDD        25             One
4     AAA123D             20             One
5     ABA                 15             One
6     FFFrrrSSSBBB        60             Two
7     FFFrrrSSSBBB        30             Two
8     FFFrrrSS            50             Two
9     AAA12               70             Two

我想比较每个名称组的列String中的行：如果每行中的字符串是match的{{1}}或is substring，则删除前面的行并将all above rows列的值与Size行的值相加。

示例：我选择第3行：subtring，将其与2行的第1行和第2行进行比较，发现它与第1行匹配，它将删除第一行，然后删除第一行的总和列AAA123000DDD到第三行列Size。那么表格将如下所示：

Size

最终结果将是：

Index String             Size           Name
2     AAA123DDDQQQ        20             One
3     AAA123000DDD        35             One
4     AAA123D             20             One
...

我考虑使用Index String Size Name 3 AAA123000DDD 35 One 4 AAA123D 40 One 5 ABA 15 One 8 FFFrrrSS 140 Two 9 AAA12 70 Two中的groupby对所有pandas列进行分组，但是我不知道如何应用Name列的比较和{ {1}}列。我是Python的新手，所以我将不胜感激。

Answer 1

假设Name与String是不同的，那么这就是您进行聚合的方式。我保留了Name，以便它也显示在最后的DataFrame中。

df_group = df.groupby(['String', 'Name'])['Size'].sum().reset_index()

编辑：

要匹配子字符串（并使用上面的示例，该子字符串似乎与多个字符串不匹配），您可以将子字符串映射为完整字符串，然后像以前一样按完整字符串列进行分组：

all_strings = set(df['Strings'])


substring_dict = dict()


for row in df.itertuples():
    for item in all_strings:
        if row.String in item:
            substring_dict[row.String] = item


def match_substring(x):
    return substring_dict[x]


df['full_strings'] = df.String.apply(match_substring)

df_group = df.groupby(['full_strings', 'Name'])['Size'].sum().reset_index()

将行与一列中的所有其他先前字符串进行比较，并在Python中更改另一列的值

1 个答案: