Question

我有一个数据集，如下：

task = ['duty of care','informed consent','records management','conducting','experiments','positive reinforcement','developing','rapport' ]
start = [ 21, 24, 26,  60, 61, 80,98,99 ]
end = [ 24, 26, 28,  61,  62, 82,99,100]

dat = pd.DataFrame({'task': task, 'start':start, 'end': end})
dat

我要完成的是这个

如果dat.end[i] == dat.start[i+1]则聚合dat.task
如果dat.end[i] != dat.start[i+1]不执行任何操作

所需的输出应如下所示。

Answer 1

如果它们是块的一部分，我们将需要一种将它们组合在一起的方法。首先，让我们找出开始时间不等于下一个项目结束时间的所有时间。如果项目是块中的第一个项目，则此系列为True，否则为false。

temp = (dat['start'] != dat['end'].shift(1))

它看起来像这样：

0     True
1    False
2    False
3     True
4    False
5     True
6     True
7    False

然后我们可以求和。当您对“真/假”执行此操作时，“真”会将总和加1，而“假”不会更改它。这很有用，因为它然后为我们提供了一个分组－您最初要组合的每个块都有自己的编号。

groups = temp.cumsum()

看起来像：

现在我们快到了。对于每个组，您都希望获取最小开始，最大结束并连接所有文本。

datg = dat.groupby(groups)
out = pd.DataFrame({
    'task':  datg['task'].apply(' '.join),
    'start': datg['start'].min(),
    'end':   datg['end'].max(),
})

得出的最终结果是：

                                               task  start  end
1  duty of care informed consent records management     21   28
2                            conducting experiments     60   62
3                            positive reinforcement     80   82
4                                developing rapport     98  100

将其全部放在一个位置：

temp = (dat['start'] != dat['end'].shift(1))
groups = temp.cumsum()
datg = dat.groupby(groups)
out = pd.DataFrame({
    'task':  datg['task'].apply(' '.join),
    'start': datg['start'].min(),
    'end':   datg['end'].max(),
    })

Answer 2

IIUC，您可以先使用cumsum和groupby创建一个新列：

df = pd.DataFrame({'task': task, 'start':start, 'end': end})

df["count"] = (df["start"]-df["end"].shift(1)).fillna(0).ne(0).cumsum()
print (df.groupby("count").agg({"task":"first","start":"min","end":"max"}))

                         task  start  end
count                                    
0                duty of care     21   28
1                  conducting     60   62
2      positive reinforcement     80   82
3                  developing     98  100

根据熊猫中的条件汇总（联接）文本列

2 个答案: