給定df具有 100 萬(wàn)行的數(shù)據(jù)框： HOUSEID PERSONID my_string 0 20000017 1 0,0,0,1-100,100,100-11,0,0 1 20000017 1 53,53,53,0,0,0,0,02 20000017 1 0,0,0,0,0,12,12,12 3 20000017 2 1-100-43,43,0,0,0,0,0,04 20000017 2 0,0,82-100-41,41,0,0,0,0 5 20000017 2 0,0,0,53,53,53,0,0 6 20000017 2 0,0,0,0,0,0,0,0 7 20000231 1 41-100,100-41,41,0,0,0,0,0 8 20000231 1 0,0,0,41-100,100-1,0,0,0在該列my_string中，有 8 個(gè)字符串（在我的真實(shí)數(shù)據(jù)幀中為 96 個(gè)）代碼，由“，”（有時(shí)不止一個(gè)數(shù)字）分隔。對(duì)于HOUSEID和PERSONID（一個(gè)人）的每個(gè)唯一組合，我希望以“0”值填充同一個(gè)人其他行的相應(yīng)下標(biāo)的方式組合數(shù)字。這是所需的輸出： HOUSEID PERSONID my_string 0 20000017 1 53,53,53,1-100,100,100-11,12,12 1 20000017 2 1-100-43,43,82-100-41,41,53,53,0,0 2 20000231 1 41-100,100-41,41,41-100,100-1,0,0,0在某些情況下，一個(gè)人最終會(huì)得到同一個(gè)下標(biāo)的兩個(gè)值。在這種情況下，我寧愿將更長(zhǎng)的代碼嵌入到我的最終字符串中。這可能嗎？如果是，如何？
1 回答
湖上湖
TA貢獻(xiàn)2003條經(jīng)驗(yàn) 獲得超2個(gè)贊
我認(rèn)為您的輸入數(shù)據(jù)存在一些差異，例如第一組最終有 9 個(gè)值，或者在第二組中您在不同行的同一位置有值（0 除外）。
無(wú)論如何，這應(yīng)該做你想做的，首先str.split是每個(gè)逗號(hào)的“my_string”列并展開，用于mask用 nan 替換 0，groupby在兩列上執(zhí)行 a，保持first值（不是 nan）可用，如果有的話，fillna0 是沒有值的, agg用于join取回字符串和reset_index
df_ = (df['my_string'].str.split(',', expand=True)
.mask(lambda x: x.eq('0'))
.groupby([df['HOUSEID'], df['PERSONID']])
.first()
.fillna('0')
.agg(','.join, axis=1)
.reset_index(name='my_string_agg')
)
print (df_)
HOUSEID PERSONID my_string_agg
0 20000017 1 53,53,53,1-100,100,100-11,12,12
1 20000017 2 1-100-43,43,82-100-41,41,53,53,0,0
2 20000231 1 41-100,100-41,41,41-100,100-1,0,0,0
添加回答
舉報(bào)
0/150
提交
取消