根据条件合并单个 pandas 列中的数据答案

【问题标题】：Merging data in a single pandas column based on criteria根据条件合并单个 pandas 列中的数据
【发布时间】：2017-04-06 01:36:48
【问题描述】：

我有一个包含大量数据的 pandas 数据框，如下所示：

temp_col
matt
joes\crabshack\one23
fail
joe:123,\
12345678,\
92313456,\
12341239123432,\
1321143
john
jacob
joe(x):543,\
9876544123,\
1234

如何获取以“,\”结尾的所有数据以及没有的其余行并将它们合并为一行？

预期输出：

temp_col
matt
joes\crabshack\one23
fail
joe:1231234567892313456123412391234321321143
john
jacob
joe(x):54398765441231234

【问题讨论】：

这是 DataFrame 还是 Series 对象？
这是一个包含多列的数据框，但这只是一列

标签： python regex python-3.x pandas

【解决方案1】：

你可以试试这个：

(df.temp_col.groupby((~df.temp_col.str.contains(r",\\$")).shift().fillna(True).cumsum())
 .apply(lambda x: "".join(x.str.rstrip(r",\\"))))

#temp_col
#1                                            matt
#2                            joes\crabshack\one23
#3                                            fail
#4    joe:1231234567892313456123412391234321321143
#5                                            john
#6                                           jacob
#7                        joe(x):54398765441231234
#Name: temp_col, dtype: object

分解：

1) 创建一个组变量，当元素不以,\ 结尾时生成一个新组：

g = (~df.temp_col.str.contains(r",\\$")).shift().fillna(True).cumsum()
g
#0     1
#1     2
#2     3
#3     4
#4     4
#5     4
#6     4
#7     4
#8     5
#9     6
#10    7
#11    7
#12    7
#Name: temp_col, dtype: int64

2) 定义一个join 函数，去掉结尾的逗号和反斜杠；

join_clean = lambda x: "".join(x.str.rstrip(r",\\"))

3) 对每个组应用连接函数以连接以,\ 结尾的连续行：

df.temp_col.groupby(g).apply(join_clean)

#temp_col
#1                                            matt
#2                            joes\crabshack\one23
#3                                            fail
#4    joe:1231234567892313456123412391234321321143
#5                                            john
#6                                           jacob
#7                        joe(x):54398765441231234
#Name: temp_col, dtype: object

【讨论】：

【解决方案2】：

由于数据已包装（我假设您在其中看到此“\”，因此它是同一单元格的一部分。那么它只是一个逗号分隔的数字。

df.columnnamehere.str.split(',').str.join(sep='')

或者如果 '\' 是一个实际字符，而不仅仅是用于格式化

df.columnnamehere.str.split(',\').str.join(sep='')

【讨论】：

【解决方案3】：

我认为在将数据加载到 pandas DataFrame 之前（或何时）处理它会更好。但如果你坚持这样做，试试这个：

from pandas import DataFrame
df = DataFrame({'x': [
'matt', 
'joes\crabshack\one23',
'fail',
'joe:123,\\',
'12345678,\\',
'92313456,\\',
'12341239123432,\\',
'1321143',
'john',
'jacob',
'joe(x):543,\\',
'9876544123,\\'
'1234']})
df['g'] = (1 - df['x'].str.endswith('\\').astype(int).shift().fillna(0)).cumsum()
df = df.groupby('g')['x'].sum().apply(lambda x: x.replace('\\', ''))
df

【讨论】：