我正在pandas
df
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。
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('')
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
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