根据条件在df中附加单元格值

Question

我有一个像这样结构的数据框“New_data”

Index	ID	Content
0	001	abc
1	001	def
2	002	ghi
3	002	lmn
4	002	opq
5	003	rst
6	001	uvz

如您所见，“ID”列包含多个相等的 ID。我想创建一个附加列（“合并内容”），在每一行中，包含“ID”列中具有相同值的所有“内容”单元格的值。我想要这样的东西：

Index	ID	Content	Merged content
0	001	abc	abc def uvz
1	001	def	abc def uvz
2	002	ghi	ghi lmn opq
3	002	lmn	ghi lmn opq
4	002	opq	ghi lmn opq
5	003	rst	rst
6	001	uvz	abc def uvz

我尝试过使用 for 循环，但没有成功。 我已经创建了一个新的 df num ，其中 ID 列具有唯一值来迭代它们以及重复索引的问题，但我仍然无法解决我的问题。

这是我尝试应用的代码：

for i in range(len(num)):
    ID = num.iloc[i,0]
    for j in range(len(new_data)):
        ID_data = new_data.iloc[j,index]
        if ID == ID_data.iloc[j, 0]:
            new_data['Merged Content'] = new_data['Merged Content'].append(new_data['Content'])

我收到此错误： AttributeError: 'numpy.int64' object has no attribute 'iloc' 你能帮帮我吗？

Answer 1

我能想到的最简单的方法是在ID 上运行groupby，然后再次合并两个帧：

import pandas as pd

# df = pd.read_clipboard()

merged_col = df.groupby("ID").agg(merged=pd.NamedAgg("Content", " ".join))
res = df.merge(merged_col, how="left", on="ID")

print(res)

首先，我将原始数据帧按“ID”分组，我们" ".join作为聚合函数。这产生：

          merged
ID              
1    abc def uvz
2    ghi lmn opq
3            rst

然后我将该表与ID上的原始表合并：

   Index  ID Content       merged
0      0   1     abc  abc def uvz
1      1   1     def  abc def uvz
2      2   2     ghi  ghi lmn opq
3      3   2     lmn  ghi lmn opq
4      4   2     opq  ghi lmn opq
5      5   3     rst          rst
6      6   1     uvz  abc def uvz

通常尽量避免对数据框中的所有记录运行循环。它们往往比作用于整个列的操作慢得多。原因是循环在常规 Python 中运行，查看每个元素，而列操作通常是使用 pandas 和 numpy 后面的库优化的代码。