Comment concaténer des chaînes au sein de groupes dans un DataFrame Pandas à l'aide de « groupby » ?

Pandas groupby : obtention d'une concaténation de chaînes

Lorsque vous travaillez avec un DataFrame dont l'une des colonnes contient des chaînes, la fonction sum() par défaut ne donnent pas toujours le résultat souhaité. Dans de tels scénarios, où l'objectif est de concaténer des chaînes pour chaque groupe, voici une explication complète et une solution.

Considérez le DataFrame suivant :

   A         B       C
0  1  0.749065    This
1  2  0.301084      is
2  3  0.463468       a
3  4  0.643961  random
4  1  0.866521  string
5  2  0.120737       !

Par défaut, appliquer sum() à la colonne « C » donne le résultat suivant :

A
1    Thisstring
2           is!
3             a
4        random
dtype: object

Pour obtenir le résultat souhaité où les chaînes sont concaténées pour chaque groupe, il existe plusieurs approches :

En utilisant l'application () Fonction :

Une méthode consiste à appliquer une fonction personnalisée à l'objet groupby. Cette fonction peut concaténer les chaînes au sein de chaque groupe.

<code class="python">def f(x):
    return Series(dict(A = x['A'].sum(),
                        B = x['B'].sum(),
                        C = "{%s}" % ', '.join(x['C'])))

df.groupby('A').apply(f)</code>

Alternative :

Vous pouvez obtenir le même résultat en utilisant explicitement les fonctions apply() et lambda :

<code class="python">df.groupby('A')['C'].apply(lambda x: "{%s}" % ', '.join(x))</code>

Application d'une logique personnalisée :

Si une personnalisation est requise, comme la suppression de chaînes vides ou l'application de délimiteurs spécifiques, vous pouvez implémenter votre propre logique dans la fonction lambda.

Par exemple, pour supprimer les chaînes vides :

<code class="python">df.groupby('A')['C'].apply(lambda x: "{%s}" % ', '.join([c for c in x if c]))</code>

Considérations relatives aux performances :

Notez que l'application de fonctions personnalisées peut être plus lente que l'utilisation du fonction sum() intégrée. Par conséquent, il est recommandé de considérer l’impact sur les performances en fonction de vos besoins spécifiques.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!