如何合并字符串pandas-df

Question

我正在pandasdf中尝试merge特定的strings。下面的df只是一个例子。我的df中的值会有所不同，但基本规则将适用。我基本上想merge所有的rows，直到有一个4个字母的string。

虽然这个df中的4个字母字符串总是Excl，但我的df将包含许多4个字母的strings。

import pandas as pd
d = ({
'A' : ['Include','Inclu','Incl','Inc'],
'B' : ['Excl','de','ude','l'],           
'C' : ['X','Excl','Excl','ude'],
'D' : ['','Y','ABC','Excl'],
})
df = pd.DataFrame(data=d)

输出：

A     B     C     D
0  Include  Excl     X      
1    Inclu    de  Excl     Y
2     Incl   ude  Excl   ABC
3      Inc     l   ude  Excl

预期输出：

A     B     C     D
0  Include  Excl     X      
1  Include        Excl     Y 
2  Include        Excl   ABC
3  Include              Excl

所以row 0保持不变，因为col B有4个字母。CCD_ 15将CCD_ 16合并为CCD_ 17 4个字母。CCD_ 18与上述相同。Row 3合并Col A,B,C，因为Col D有4个字母。

我尝试通过合并所有columns，然后返回并删除不需要的值来手动执行此操作。

df["Com"] = df["A"].map(str) + df["B"]  + df["C"] 

但我必须手动浏览每一行，并删除不同长度的字母。

上面的df只是一个例子。中心的相似之处在于，我需要合并4个字母字符串之前的所有内容。

Answer 1

你可以做一些类似的事情

mask = (df.iloc[:, 1:].applymap(len) == 4).cumsum(1) == 0
df.A = df.A + df.iloc[:, 1:][mask].apply(lambda x: x.str.cat(), 1)
df.iloc[:, 1:] = df.iloc[:, 1:][~mask].fillna('')

Answer 2

试试这个，

很抱歉这个笨拙的解决方案，我会努力提高性能，

temp=df.eq('Excl').shift(-1,axis=1)
df['end']= temp.apply(lambda x:x.argmax(),axis=1)
res=df.apply(lambda x:x.loc[:x['end']].sum(),axis=1)
mask=temp.replace(False,np.NaN).fillna(method='ffill').fillna(False).astype(bool)
del df['end']
df[:]=np.where(mask,'',df)
df['A']=res
print df

输出：

A     B     C     D
0  Include  Excl     X      
1  Include        Excl     Y
2  Include        Excl   ABC
3  Include              Excl

改进的解决方案：

res= df.apply(lambda x:x.loc[:x.eq('Excl').shift(-1).argmax()].sum(),axis=1)
mask=df.eq('Excl').shift(-1,axis=1).replace(False,np.NaN).fillna(method='ffill').fillna(False).astype(bool)
df[:]=np.where(mask,'',df)
df['A']=res

更简化的解决方案：

t=df.eq('Excl').shift(-1,axis=1)
res= df.apply(lambda x:x.loc[:x.eq('Excl').shift(-1).argmax()].sum(),axis=1)
df[:]=np.where(t.fillna(0).astype(int).cumsum() >= 1,'',df)
df['A']=res

Answer 3

我给你一个粗略的方法，在这里，我们找到"Excl"的位置，并将列值合并到上面，以便获得所需的输出。

ls=[]
for i in range(len(df)):
end=(df.loc[i,:].index[(df.loc[i,:]=='Excl')][0])
ls.append(''.join(df.loc[i,:end].replace({'Excl':''}).values))
df['A']=ls