我試圖在某些邏輯中組合這些字符串和行：s1 = ['abc.txt','abc.txt','ert.txt','ert.txt','ert.txt']s2 = [1,1,2,2,2]s3 = ['Harry Potter','Vol 1','Lord of the Rings - Vol 1',np.nan,'Harry Potter']df = pd.DataFrame(list(zip(s1,s2,s3)), columns=['file','id','book'])df數(shù)據(jù)預(yù)覽：file id bookabc.txt 1 Harry Potterabc.txt 1 Vol 1ert.txt 2 Lord of the Ringsert.txt 2 NaNert.txt 2 Harry Potter我有一堆與 id 相關(guān)聯(lián)的文件名列。我有“書”列，其中第 1 卷位于單獨的行中。我知道這個 vol1 只與給定數(shù)據(jù)集中的“哈利波特”相關(guān)聯(lián)。基于'file'和'id'的分組，我如何在'Harry Potter'字符串出現(xiàn)在行中的同一行中組合'Vol 1'？請注意，某些數(shù)據(jù)行沒有 Harry Potter 的 vo1 我在查看文件和 id groupby 時只想要“Vol 1”。2 次嘗試：第一個：不起作用if (df['book'] == 'Harry Potter' and df['book'].str.contains('Vol 1',case=False) in df.groupby(['file','id'])): df.groupby(['file','id'],as_index=False).first()第二：這適用于每個字符串（但不希望它適用于每個“哈利波特”字符串。df.loc[df['book'].str.contains('Harry Potter',case=False,na=False), 'new_book'] = 'Harry Potter - Vol 1'這是我正在尋找的輸出file id bookabc.txt 1 Harry Potter - Vol 1ert.txt 2 Lord of the Rings - Vol 1ert.txt 2 NaNert.txt 2 Harry Potter
3 回答
楊__羊羊
TA貢獻1943條經(jīng)驗 獲得超7個贊
從import re（您將使用它）開始。
然后創(chuàng)建你的數(shù)據(jù)框：
df = pd.DataFrame({
'file': ['abc.txt','abc.txt','ert.txt','ert.txt','ert.txt'],
'id': [1, 1, 2, 2, 2],
'book': ['Harry Potter', 'Vol 1', 'Lord of the Rings - Vol 1',
np.nan, 'Harry Potter']})
第一個處理步驟是添加一列，我們稱之為book2，其中包含下一行的book2：
df["book2"] = df.book.shift(-1).fillna('')
我添加fillna('')了用空字符串替換NaN值。
然后定義一個應(yīng)用于每一行的函數(shù)：
def fn(row):
return f"{row.book} - {row.book2}" if row.book == 'Harry Potter'\
and re.match(r'^Vol \d+$', row.book2) else row.book
此函數(shù)檢查book == "Harry Potter" 和book2 是否匹配 "Vol" + 數(shù)字序列。如果是，則返回book + book2，否則僅返回book。
然后我們應(yīng)用這個函數(shù)并將結(jié)果保存在book下：
df["book"] = df.apply(fn, axis=1)
剩下的就是放棄：
book與Vol \d+匹配的行，
book2欄。
代碼是：
df = df.drop(df[df.book.str.match(r'^Vol \d+$').fillna(False)].index)\
.drop(columns=['book2'])
需要 fillna(False)，因為str.match為源內(nèi)容返回NaN == NaN。
拉莫斯之舞
TA貢獻1820條經(jīng)驗 獲得超10個贊
假設(shè)“Vol x”出現(xiàn)在標(biāo)題后面的行上，我將使用通過將 book 列移動 -1 獲得的輔助系列。然后，將該 Series 與 book 列在它以 開頭時合并"Vol "并在 books 列以 開頭的位置放置行就足夠了"Vol "。代碼可以是：
b2 = df.book.shift(-1).fillna('')
df['book'] = df.book + np.where(b2.str.match('Vol [0-9]+'), ' - ' + b2, '')
print(df.drop(df.loc[df.book.fillna('').str.match('Vol [0-9]+')].index))
如果不能保證數(shù)據(jù)幀中的順序，但如果Vol x行與數(shù)據(jù)幀中具有相同文件和 id 的另一行匹配，則可以將數(shù)據(jù)幀分成兩部分，一個包含Vol x行，一個包含其他行并更新后者來自前者：
g = df.groupby(df.book.fillna('').str.match('Vol [0-9]+'))
for k, v in g:
if k:
df_vol = v
else:
df = v
for row in df_vol.iterrows():
r = row[1]
df.loc[(df.file == r.file)&(df.id==r.id), 'book'] += ' - ' + r['book']
喵喵時光機
TA貢獻1846條經(jīng)驗 獲得超7個贊
利用merge, apply, update, drop_duplicates.
set_index和merge上索引file，id的DF之間'Harry Potter'和df的'Vol 1'; join創(chuàng)建適當(dāng)?shù)淖址⑵滢D(zhuǎn)換為數(shù)據(jù)框
df.set_index(['file', 'id'], inplace=True)
df1 = df[df['book'] == 'Harry Potter'].merge(df[df['book'] == 'Vol 1'], left_index=True, right_index=True).apply(' '.join, axis=1).to_frame(name='book')
Out[2059]:
book
file id
abc.txt 1 Harry Potter Vol 1
更新原來df，drop_duplicate和reset_index
df.update(df1)
df.drop_duplicates().reset_index()
Out[2065]:
file id book
0 abc.txt 1 Harry Potter Vol 1
1 ert.txt 2 Lord of the Rings - Vol 1
2 ert.txt 2 NaN
3 ert.txt 2 Harry Potter
添加回答
舉報
0/150
提交
取消