对列中的唯一字符串进行分组并对单独的列值执行功能答案

【问题标题】：Grouping Unique Strings in a Column and Performing Function On Separate Column Values对列中的唯一字符串进行分组并对单独的列值执行功能
【发布时间】：2020-01-26 06:00:36
【问题描述】：

在我的数据框中，我有一列“away_lineup”，其中包含 5 个字符串的分组，还有一个“play_length”列，其中每一行都有一个持续时间值。我知道 np.unique 可以检测唯一的字符串值，并且 np.sum 值在列中添加值，但是我如何使用像 np.unique 这样的函数来检测每个唯一的字符串并对字符串的“play_length”值求和连续发生？

away_lineup                                                                play_length
0  Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, Ben Simmons     0:00:05
1  Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, Ben Simmons     0:00:10
2  Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, Ben Simmons     0:00:20
3  Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, Ben Simmons     0:00:07
4  Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, Ben Simmons     0:00:25
5  Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, JJ Redick       0:00:14

我想要的输出是这样的

player              play_length
Dario Saric             0:01:21
Robert Covington        0:01:21
Joel Embiid             0:01:21
Markelle Fultz          0:01:21
Ben Simmons             0:01:07
JJ Redick               0:00:14

其中唯一名称从“away_lineup”中提取，存储在新列“player”中，并且存在 player 值的行添加了它们的“play_length”值。

【问题讨论】：

标签： python pandas

【解决方案1】：

使用pandas.DataFrame.explode 和pandas.to_timedelta：

注意：pandas.DataFrame.explode 可用于pandas >= 0.25

df['away_lineup'] = df['away_lineup'].str.split(', ')
df['play_length'] = pd.to_timedelta(df['play_length'])
new_df = df.explode('away_lineup').groupby('away_lineup').sum()
print(new_df)

输出：

                 play_length
away_lineup                 
Ben Simmons         00:01:07
Dario Saric         00:01:21
JJ Redick           00:00:14
Joel Embiid         00:01:21
Markelle Fultz      00:01:21
Robert Covington    00:01:21

【讨论】：

【解决方案2】：

如果你的熊猫不支持explode:

df['play_length'] = pd.to_timedelta(df['play_length'])

new_df = pd.concat((df[['play_length']], 
                    df['away_lineup'].str.split(',\s*', expand=True)), 
                   axis=1)

(new_df.melt(id_vars=['play_length'], 
             value_vars=new_df.columns[1:], 
             value_name='artist')
   .groupby('artist').play_length.sum()
)

输出：

artist
Ben Simmons        00:01:07
Dario Saric        00:01:21
JJ Redick          00:00:14
Joel Embiid        00:01:21
Markelle Fultz     00:01:21
Robert Covington   00:01:21
Name: play_length, dtype: timedelta64[ns]

【讨论】：

与@Dev Kadka 的回答一起工作，谢谢！

【解决方案3】：

查看get_dummies的诡计

#df['play_length'] = pd.to_timedelta(df['play_length'])

df.away_lineup.str.get_dummies(',').mul(df.play_length,0).sum()
Out[372]: 
 Ben Simmons        00:01:07
 JJ Redick          00:00:14
 Joel Embiid        00:01:21
 Markelle Fultz     00:01:21
 Robert Covington   00:01:21
 Dario Saric        00:01:21
dtype: timedelta64[ns]

【讨论】：

我得到这个错误 AttributeError: Can only use .str accessor with string values, which use np.object_ dtype in pandas
@SmallChimp 您需要通过 dict 向我们展示数据，因为我们不知道您的列中的数据类型是什么
我很抱歉@WeNYoBen，“away_lineup”和“play_length”被存储为“非空对象”。他们需要转换成别的东西吗？如果我没有完全回答你的问题，我很抱歉。

【解决方案4】：

你可以像这样使用explode和group by

import numpy as np
import pandas as pd

## create dummy data
arr = [("Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, Ben Simmons", "00:00:05"),
("Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, Ben Simmons", "00:00:10"),
("Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, Ben Simmons", "00:00:20"),
("Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, Ben Simmons", "00:00:07"),
("Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, Ben Simmons", "00:00:25"),
("Dario Saric, Robert Covington, Joel Embiid, Markelle Fultz, JJ Redick", "00:00:14"),]

df = pd.DataFrame(arr, columns=["Player", "Play Time"])
df["Play Time"] = pd.to_timedelta(df["Play Time"])

## Solution
df["Player"] = df["Player"].str.split(",")
df.explode("Player").groupby("Player").sum()

输出

            Play Time
Player  
Ben Simmons 00:01:07
JJ Redick   00:00:14
Joel Embiid 00:01:21
Markelle Fultz  00:01:21
Robert Covington    00:01:21
Dario Saric 00:01:21

【讨论】：