python - 在第 1 列中查找精确的单元格值并将第 2 列的值连接到新列中

Question

import pandas as pd
import numpy as np

df = pd.read_csv ('input.csv')
df.head()
df['visibility'] = np.where(df['sku']== df['parent-sku'], 'visible', 'search') #add column if same sku in parent-sku
  
combo4 = df.groupby(['parent-sku'])['sku'].apply(', '.join)
data = print(combo4)
df['grouped items'] = np.where(df['sku']== df['parent-sku'], data, '') #format(combo2)


df.to_csv('output.csv', index=False)

所以，我的目标是检查所有 CSV 文件， 检查“PARENT-SKU”列中行中的重复值(例如 4 项相同)； 从旁边的 SKU 列(每个都是唯一的)中获取值； 用逗号合并并附加到新的 GROUPED 列 - 仅适用于第一个重复的 PARENT-SKU 或仅适用于具有“VISIBLE”的重复项

我无法理解它。它出什么问题了？ 分组项的当前输出为 NaN。

数据示例:

<表类=“s-表”> <标题> 父 SKU SKU 可见 <正文> 一个 A1 可见 一个 A2 搜索 一个 A3 搜索 B B1 可见 B B2 搜索

当尝试使用函数时，我得到了奇怪的结果，希望看到输出:

<表类=“s-表”> <标题> 父 SKU SKU 可见 分组项目 <正文> 一个 A1 可见 A1，A2，A3 一个 A2 搜索 一个 A3 搜索 B B1 可见 B1，B2 B B2 搜索

非常感谢!还有一杯啤酒给你!

Answer 1

您可以.groupby 并将组中的项目加入 到一个字符串。从那里使用mask来识别duplicated()行，您可以将其更改为''。

根据您的评论，您还可以使用replace排除某些单词，但您必须使用一些正则表达式来替换逗号，具体取决于是在前面还是后面，但是你不想替换字体和后面的逗号。否则，某些项目将不会用逗号分隔。此正则表达式 (,)? 向后查找可选逗号:

srs = df.groupby('Parent SKU')['SKU'].transform(','.join)
df['GROUPED ITEMS'] = (srs.replace(['simple(,)?', '(,)?simple'], '', regex=True)
                          .mask(srs.duplicated(), ''))
df

或者如果您想要列表格式，那么您可以使用str.split(','):

srs = df.groupby('Parent SKU')['SKU'].transform(','.join)
df['GROUPED ITEMS'] = (srs.replace(['simple(,)?', '(,)?simple'], '', regex=True)
                          .mask(srs.duplicated(), ''))
df

Out[1]: 
  Parent SKU     SKU  VISIBLE GROUPED ITEMS
0          A      A1  VISIBLE         A1,A3
1          A  simple   SEARCH              
2          A      A3   SEARCH              
3          B      B1  VISIBLE         B1,B2
4          B      B2   SEARCH