使用Pandas groupby连接来自多行的字符串

我想基于Pandas中的groupedby合并数据框中的几个字符串。

到目前为止，这是我的代码：

import pandas as pd
from io import StringIO

data = StringIO("""
"name1","hej","2014-11-01"
"name1","du","2014-11-02"
"name1","aj","2014-12-01"
"name1","oj","2014-12-02"
"name2","fin","2014-11-01"
"name2","katt","2014-11-02"
"name2","mycket","2014-12-01"
"name2","lite","2014-12-01"
""")

# load string as stream into dataframe
df = pd.read_csv(data,header=0, names=["name","text","date"],parse_dates=[2])

# add column with month
df["month"] = df["date"].apply(lambda x: x.month)

我希望最终结果如下所示：

我不知道如何使用groupby并在“文本”列中应用某种形式的字符串连接。任何帮助表示赞赏！

您可以对'name'和'month'列进行分组，然后调用transform，它将返回与原始df对齐的数据，并在我们join输入文本的位置应用lambda ：

In [119]:

df['text'] = df[['name','text','month']].groupby(['name','month'])['text'].transform(lambda x: ','.join(x))
df[['name','text','month']].drop_duplicates()
Out[119]:
    name         text  month
0  name1       hej,du     11
2  name1        aj,oj     12
4  name2     fin,katt     11
6  name2  mycket,lite     12

我通过df[['name','text','month']]在此处传递感兴趣的列的列表来替换原始df ，然后调用drop_duplicates

编辑实际上我可以打电话apply，然后reset_index：

In [124]:

df.groupby(['name','month'])['text'].apply(lambda x: ','.join(x)).reset_index()

Out[124]:
    name  month         text
0  name1     11       hej,du
1  name1     12        aj,oj
2  name2     11     fin,katt
3  name2     12  mycket,lite

更新

这lambda是不必要的：

In[38]:
df.groupby(['name','month'])['text'].apply(','.join).reset_index()

Out[38]: 
    name  month         text
0  name1     11           du
1  name1     12        aj,oj
2  name2     11     fin,katt
3  name2     12  mycket,lite

我们可以GROUPBY的“名”和“月”列，然后调用AGG（）熊猫的数据框对象的功能。

agg（）函数提供的聚合功能允许在一次计算中为每个组计算多个统计信息。

df.groupby(['name', 'month'], as_index = False).agg({'text': ' '.join})

EdChum的答案为您提供了很大的灵活性，但是如果您只想将字符串连接到列表对象的列中，则还可以：

output_series = df.groupby(['name','month'])['text'].apply(list)

对我来说，以上解决方案很接近，但添加了一些不必要的/ n和dtype：object，因此这是修改后的版本：

df.groupby(['name', 'month'])['text'].apply(lambda text: ''.join(text.to_string(index=False))).str.replace('(\\n)', '').reset_index()