Question

目标是获取如下所示的数据框：

keywords    group
word1        x
word2        x
word3        x

在熊猫数据框中将组和关键字作为字符串。

并创建一个如下所示的数据框：

x    |word1|word2|word3

这是我当前的代码：

我尝试使用函数：

def preprocessing(dataset, group, keywords):
    dataset[keywords] = dataset[keywords].replace(' ', '_', regex = True)
    df = dataset.groupby(group)[keywords].apply(lambda x: ','.join(str(x).split()))
    df = pd.DataFrame(df)
    df[keywords] = df[keywords].replace('_', ' ', regex = True)
    return(df)

（已完成其中的.replace操作，以便更轻松地通过.join件保留空间）

我已经尝试过这样做：

data['keywords'] = ['|%s' %i for i in data['keywords']]
x = data.groupby('group')['keywords'].apply(lambda x: ''.join(str(x).split()))

我得到的输出有两个重要问题。

输出最终如下所示，以组为索引：

0|word1|word2|wordName:x,dtype:object

数字似乎是各个单词的索引号，最后一个字符串以描述性详细信息“ Name：x，dtype：object”结尾

对于大型数据集，它将仅在字符串中获得前30个结果和最后30个结果，中间带有省略号，就像预览一样。

27|28|29|30|...|-30|-29|-28|

什么会导致奇怪的格式化问题和数据丢失？ lambda函数似乎是一个问题，因为其他所有组件都按预期工作。还有另一种方法可以避免丢失数据吗？

Answer 1

使用：

df.groupby('group')['keywords'].apply(lambda x: '|'+'|'.join(x))

group
x    |word1|word2|word3

groupby和join结果的索引和数据类型包含在输出中

1 个答案: