给定一个 pandas 数据框。
我如何在“a”列上进行分组,以便将所有以相同字符串开头的行分组在一起。比较部分的末尾是_
。 (所以这里 y_s1 和 y_s2 被分组在一起,但不是 x_s1)
这是一个最小的例子:
raw_data = {'a': ['y_s2', 'y_s1', 'x_s1'], 'b': [1,2,3]}
df = pd.DataFrame(raw_data, columns = ['a', 'b'])
最佳答案
类似这样的事情:
grp = df.groupby(df['a'].str[:2]) ## groups on first 2-letters of column `a`
您可以对此分组进行计数
,并检查以x_
开头的行是否分组在一起以及以y_
开头的行分组在一起.
In [1545]: df.groupby(df.a.str[:2]).count()
Out[1545]:
a b
a
x_ 1 1
y_ 2 2
OP发表评论后,采用了更通用的方法:
## Split the string on `_` and create 2 separate columns
In [1572]: df['a1'], df['a2'] = df['a'].str.split('_', 1).str
In [1573]: df
Out[1573]:
a b a1 a2
0 y_s2 1 y s2
1 y_s1 2 y s1
2 x_s1 3 x s1
## Groupby on `a1`(the part before `_`)
In [1577]: df.groupby('a1').count().drop('a2', 1)
Out[1577]:
a b
a1
x 1 1
y 2 2
另一种没有复杂正则表达式的方法;
In [1601]: df.groupby(df['a'].str.split('_').str[0]).count()
Out[1601]:
a b
a
x 1 1
y 2 2
关于Pandas 对子字符串或正则表达式进行分组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61601350/