Snažím sa zoskupiť jeden dátový rámecstĺpec, pričom niekoľko stĺpcov z jedného riadku v každej skupine a reťazenie reťazcov z ostatných riadkov do viacerých stĺpcov na základe hodnoty jedného stĺpca. Tu je príklad ...
df = pd.DataFrame({"test" : ["a","a","a","a","a","a","b","b","b","b"],
"name" : ["aa","ab","ac","ad","ae","ba","bb","bc","bd","be"],
"amount" : [1, 2, 3, 4, 5, 6, 7, 8, 9, 9.5],
"role" : ["x","y","y","x","x","z","y","y","z","y"]})
df
amount name role test
0 1.0 aa x a
1 2.0 ab y a
2 3.0 ac y a
3 4.0 ad x a
4 5.0 ae x a
5 6.0 ba z a
6 7.0 bb y b
7 8.0 bc y b
8 9.0 bd z b
9 9.5 be y b
Chcel by som sa zorganizovať na skúške, ponechať meno akeď rolu = "z", vytvoríme stĺpec (nazveme ho X), ktorý zlučuje hodnoty názvu, keď rolu = "x" a iného stĺpca (necháme ho nazvať Y), ktorý zlučuje hodnoty názvu = "y". [Zlučiteľné hodnoty oddelené znakom ";"] Mohlo by existovať nula až veľa riadkov s rolou = "x", nula až mnohými riadkami s rolou = "y" a jedným riadkom s rolou = "z" na hodnotu testu. Pre X a Y tieto môžu byť nulové, ak neexistujú žiadne riadky pre túto úlohu pre tento test. Hodnota sumy sa zruší pre všetky riadky s rolou = "x" alebo "y". Požadovaný výkon by bol niečo ako:
test name amount X Y
0 a ba 6.0 aa; ad; ae ab; ac
1 b bd 9.0 None bb; bc; be
Pre zlučujúcu sa časť som našiel x.ix[x.role == "x", X] = "{%s}" % "; ".join(x["name"])
, ktoré môžem zopakovať pre y. Snažil som sa niekoľko vecí name = x[x.role == "z"].name.first()
pre názov a čiastku. Taktiež som sa pokúsil zísť na obe cesty definovanej funkcie a funkciu lambda bez úspechu. Oceniť akékoľvek myšlienky.
odpovede:
1 pre odpoveď č. 1Môžete vytvoriť prispôsobené stĺpce v apply
funkcia po groupby
kde: g
môže byť považovaný za podradený dátový rámec s jednou hodnotou v testovacom stĺpci a keďže chcete vrátiť viac stĺpcov, musíte vytvoriť Series
objekt pre každú skupinu, kde indexy sú vo výsledku zodpovedajúce hlavičky:
df.groupby("test").apply(lambda g: pd.Series({"name": g["name"][g.role == "z"].iloc[0],
"amount": g["amount"][g.role == "z"].iloc[0],
"X": "; ".join(g["name"][g.role == "x"]),
"Y": "; ".join(g["name"][g.role == "y"])
})).reset_index()
1 pre odpoveď č. 2
# set index and get crossection where test is "z"
z = df.set_index(["test", "role"]).xs("z", level="role")
# get rid of "z" rows and group by "test" and "role" to join names
xy = df.query("role != "z"").groupby(["test", "role"])["name"].apply(";".join).unstack()
# make columns of xy upper case
xy.columns = xy.columns.str.upper()
pd.concat([z, xy], axis=1).reset_index()