根据同一列中的连续重复值合并特定行

Question

使用 R 或 python，我有一个数据集，我想知道如何将连续行与连续重复条目合并。

例子

X ....Y

猫...问

---

狗...U

---

猫...T

---

狗...P

---

猫*...是的

---

猫*...K

---

狗...P

X 列有一些条目，我想合并任何连续两次连续两次具有条目“cat”的行（我用“*”突出显示它们），这样它们将成为包含条目的一行在 Y 列中为 (Y , K)。

X.....Y

猫...问

---

狗...U

---

猫...T

---

狗...P

---

猫...Y,K

---

狗...T

如果是连续的，则几乎可以在一个条件下合并具有重复条目的任何行。

Answer 1

这是一个带有aggregate 的base R 方法。通过比较'X'的相邻元素相等来创建一个分组列，使用aggregate中的分组依据和paste元素一起。

aggregate(Y ~ X + grp, transform(dat, 
    grp = cumsum(c(TRUE, X[-1] != X[-length(X)]))), 
           FUN = paste, collapse= ",")[c('X', 'Y')]
#    X   Y
#1 cat   Q
#2 dog   U
#3 cat   T
#4 dog   P
#5 cat Y,K
#6 dog   P

数据

dat <- structure(list(X = c("cat", "dog", "cat", "dog", "cat", "cat", 
 "dog"), Y = c("Q", "U", "T", "P", "Y", "K", "P")), 
  class = "data.frame", row.names = c(NA, -7L))

---

或使用python

dat['grp'] = (dat.X != dat.X.shift()).cumsum()
out = dat.groupby(['grp', 'X'])['Y'].apply(lambda x: \
           ",".join(x)).reset_index()[['X', 'Y']]
print(out)
#     X    Y
#0  cat    Q
#1  dog    U
#2  cat    T
#3  dog    P
#4  cat  Y,K
#5  dog    P

数据

import pandas as pd
import numpy as np
dat = pd.DataFrame({'X': ["cat", "dog", "cat", "dog", "cat", "cat", 
        "dog"], "Y": ["Q", "U", "T", "P", "Y", "K", "P"]})