Python Pandas 分组并加入

Question

我是 python pandas 的新手，无法在任何旧帖子中找到我的问题的答案。

我有一个看起来像这样的简单数据框：

dfA ={'stop':[1,2,3,4,5,1610,1611,1612,1613,1614,2915,...]
      'seq':[B, B, D, A, C, C, A, B, A, C, A,...] }

现在我想合并每个组的 'seq' 值，其中 'stop' 中的下一个值和上一个值之间的差值等于 1。当差值很大时，如 5 和 1610 ，那是下一个簇开始的地方，依此类推。

我需要的是将每个集群的所有值写入单独的行：

0 BBDAC   #join'stop' cluster 1-5  
1 CABAC   #join'stop' cluster 1610-1614

2 A....   #join'stop' cluster 2015 - ...
etc...

我当前的代码是这样的：

True   BDACABAC...
False  BCA...

对于整个巨大的数据框。

我理解它合并它的原因背后的逻辑，它满足我指定的条件（不完美，失去集群边缘），但我运行没有想法如果我能加入它并且以某种方式正确地分成集群，而不是数据帧的所有行。

请看下面我的代码：

dfB = dfA.groupby((dfA.stop - dfA.stop.shift(1) == 1))['seq'].apply(lambda x: ''.join(x)).reset_index()

请帮忙

P.S。我也尝试过 diff() 的各种组合，但这也没有帮助。我不确定 groupby 是否也适用于此解决方案。请指教！

dfC = dfA.groupby((dfA['stop'].diff(periods=1)))['seq'].apply(lambda x: ''.join(x)).reset_index()

这以某种方式将数据帧拆分成更小的块，类似集群，但我不理解它这样做的方式背后的法律，我知道结果没有意义，也不是我想要得到的。

Answer 1

我认为您需要创建帮助程序 Series 来进行分组：

g = dfA['stop'].diff().ne(1).cumsum()
dfC = dfA.groupby(g)['seq'].apply(''.join).reset_index()
print (dfC)
   stop    seq
0     1  BBDAC
1     2  CABAC
2     3      A

详情:

首先通过diff得到差异：

print (dfA['stop'].diff())
0        NaN
1        1.0
2        1.0
3        1.0
4        1.0
5     1605.0
6        1.0
7        1.0
8        1.0
9        1.0
10    1301.0
Name: stop, dtype: float64

比较 ne (!=) 组的第一个值：

print (dfA['stop'].diff().ne(1))
0      True
1     False
2     False
3     False
4     False
5      True
6     False
7     False
8     False
9     False
10     True
Name: stop, dtype: bool

Asn 上次创建组 cumsum:

print (dfA['stop'].diff().ne(1).cumsum())
0     1
1     1
2     1
3     1
4     1
5     2
6     2
7     2
8     2
9     2
10    3
Name: stop, dtype: int32

Answer 2

我刚刚弄明白了。我设法将 'stop' 的值舍入到最接近的 100，并将其分配为新列。然后我以前的代码正在工作.... 非常感谢您的快速回答。

dfA['new_val'] = (dfA['stop'] / 100).astype(int) *100

Python Pandas 分组并加入

Python Pandas groupby and join

pandas

difference

pandas-groupby