假设我有一个包含字符串的数据帧,例如:
df = pd.DataFrame({'col1':list('some_string')})
col1
0 s
1 o
2 m
3 e
4 _
5 s
...
我正在寻找一种在col1
上应用滚动窗口并以特定窗口大小连接字符串的方法。例如window=3
,我想获得(没有最低观察次数(:
col1
0 s
1 so
2 som
3 ome
4 me_
5 e_s
6 _st
7 str
8 tri
9 rin
10 ing
我已经尝试了明显的解决方案,这些解决方案rolling
在处理对象类型时失败:
df.col1.rolling(3, min_periods=0).sum()
df.col1.rolling(3, min_periods=0).apply(''.join)
两者都提高了:
无法处理此类型 -> 对象
是否有一种可推广的方法(不使用shift
来匹配这种特定的w=3
情况(?
如何改变系列?
df.col1.shift(2).fillna('') + df.col1.shift().fillna('') + df.col1
泛化为任意数字:
pd.concat([df.col1.shift(i).fillna('') for i in range(3)], axis=1).sum(axis=1)
滚动仅适用于数字:
def _prep_values(self, values=None, kill_inf=True): if values is None: values = getattr(self._selected_obj, 'values', self._selected_obj) # GH #12373 : rolling functions error on float32 data # make sure the data is coerced to float64 if is_float_dtype(values.dtype): values = ensure_float64(values) elif is_integer_dtype(values.dtype): values = ensure_float64(values) elif needs_i8_conversion(values.dtype): raise NotImplementedError... ... ...
所以你应该手动构建它。以下是具有简单列表推导的可能变体之一(也许存在一种更像熊猫的方式(:
df = pd.DataFrame({'col1':list('some_string')})
pd.Series([
''.join(df.col1.values[max(i-2, 0): i+1])
for i in range(len(df.col1.values))
])
0 s 1 so 2 som 3 ome 4 me_ 5 e_s 6 _st 7 str 8 tri 9 rin 10 ing dtype: object
使用 pd.Series.cumsum
似乎有效(尽管效率低下(:
df['col1'].cumsum().str[-3:]
输出:
0 s
1 so
2 som
3 ome
4 me_
5 e_s
6 _st
7 str
8 tri
9 rin
10 ing
Name: col1, dtype: object