如何在pandas中按连续重复出现进行分组

Question

我可以帮您翻译成中文。以下是翻译的结果：

我有一个包含两列[名称，内部清单]的数据框。我想按名称分组，但基于连续出现。例如，考虑下面的数据框：

生成以下DF的代码：

df=pd.DataFrame({'Name':['A','B','B','A','A','B','C','C','C','B','C'],'In.Cl':[2,1,5,2,4,2,3,1,8,5,7]})

输入：

    In.Cl Name
0       2    A
1       1    B
2       5    B
3       2    A
4       4    A
5       2    B
6       3    C
7       1    C
8       8    C
9       5    B
10      7    C

我希望能够将连续重复的行进行分组。例如，将[B] (1,2)，[A] (3,4)，[C] (6,8)等分组，并在In.cl列上执行求和操作。

期望输出：

    In.Cl Name col1   col2
0       2    A   A(1)    2
1       1    B   B(2)    6
2       5    B   B(2)    6
3       2    A   A(2)    6
4       4    A   A(2)    6
5       2    B   B(1)    2
6       3    C   C(3)   12
7       1    C   C(3)   12
8       8    C   C(3)   12
9       5    B   B(1)    5
10      7    C   C(1)    7

到目前为止，我尝试了重复和分组的组合，但它并没有像我预期的那样工作。我认为我需要一些连续的分组方式，但我不知道如何解决这个问题。

任何帮助都将不胜感激。

- Mohamed Thasin ah

Answer 1

In [37]: g = df.groupby((df.Name != df.Name.shift()).cumsum())

In [38]: df['col1'] = df['Name'] + '(' + g['In.Cl'].transform('size').astype(str) + ')'

In [39]: df['col2'] = g['In.Cl'].transform('sum')

In [40]: df
Out[40]:
   Name  In.Cl  col1  col2
0     A      2  A(1)     2
1     B      1  B(2)     6
2     B      5  B(2)     6
3     A      2  A(2)     6
4     A      4  A(2)     6
5     B      2  B(1)     2
6     C      3  C(3)    12
7     C      1  C(3)    12
8     C      8  C(3)    12
9     B      5  B(1)     5
10    C      7  C(1)     7

- MaxU - stand with Ukraine

---

好的回答！如何获取col1？ - Mohamed Thasin ah

Answer 2

稍微啰嗦一点，使用 itertools.groupby。

如果行数大于1000，请使用@MaxU的解决方案 - 它更快。

from itertools import groupby, chain
from operator import itemgetter

chainer = chain.from_iterable

def sumfunc(x):
    return (sum(map(itemgetter(1), x)), len(x))

grouper = groupby(zip(df['Name'], df['In.Cl']), key=itemgetter(0))
summer = [sumfunc(list(j)) for _, j in grouper]

df['Name'] += pd.Series(list(chainer(repeat(j, j) for i, j in summer))).astype(str)
df['col2'] = list(chainer(repeat(i, j) for i, j in summer))

print(df)

    In.Cl Name  col2
0       2   A1     2
1       1   B2     6
2       5   B2     6
3       2   A2     6
4       4   A2     6
5       2   B1     2
6       3   C3    12
7       1   C3    12
8       8   C3    12
9       5   B1     5
10      7   C1     7

- jpp