用字符串滚动总和

Question

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(？

Answer 1

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)

Answer 2

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

Answer 3

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