python - 数据框行的条件合并
问题描述
我有一个 2xN 的聊天消息数据框,我试图找到最干净的方法来合并来自同一说话者的连续消息。这是我正在使用的数据示例:
mydata = pd.DataFrame(data=[['A','random text'],
['B','random text'],
['A','random text'],
['A','random text'],
['A','random text'],
['B','random text'],
['A','random text'],
['B','random text'],
['B','random text'],
['A','random text']], columns=['speaker','message'])
希望您能看到发言者的顺序不是我想要的 ABAB 格式。相反,有一些 AAAB 和 ABBA 序列。我目前的想法是从头开始重建数据框,检查每一行的 ID 与下一个索引位置的 ID...
mergeCheck = True
while mergeCheck is True:
# set length of the dataframe
lenDF = len(mydata)
# empty list to rebuild dataframe
mergeDF = []
# set index position at the beginning of dataframe
i = 0
while i < lenDF-1:
# check whether adjacent rows have different ID
if mydata['speaker'].iloc[i] != mydata['speaker'].iloc[i+1]:
# if true, append row as is to mergeDF list
mergeDF.append([mydata['speaker'].iloc[i],
mydata['message'].iloc[i]])
# increase index position by 1
i +=1
else:
# merge messages
mergeDF.append([mydata['speaker'].iloc[i],
mydata['message'].iloc[i] + mydata['message'].iloc[i+1]])
# increase index position by 2
i +=2
# exit the loop if index position falls on the last message
if i == lenDF-1:
# if true, append row as is to mergeDF list
mergeDF.append([mydata['speaker'].iloc[i],
mydata['message'].iloc[i]])
# increase counter by 1
i +=1
if i == lenDF:
mergeCheck = False
但是,这仅适用于两个相邻的消息。回到我的原始数据,当放入数据框时,上述函数会生成以下输出......
--------------------------
speaker | message
--------------------------
A 'random text'
B 'random text'
A 'random textrandom text'
A 'random text'
B 'random text'
A 'random text'
B 'random textrandom text'
A 'random text'
--------------------------
我曾考虑扩展该函数以检查 i 的更多比较(即 '.iloc[i] != .iloc[i+2]' 或 '.iloc[i] != .iloc[i+3]'等),但这很快就会变得不可行。我认为我需要的是某种方法来重复上述功能,直到数据帧处于所需的格式。但我不确定该怎么做。
解决方案
一个可能的解决方案是:
df1 = mydata[mydata['speaker']=='A'].reset_index()
df2= mydata[mydata['speaker']=='B'].reset_index()
df = pd.concat([df1, df2]).sort_index()
返回
index speaker message
0 0 A random text
0 1 B random text
1 2 A random text
1 5 B random text
2 3 A random text
2 7 B random text
3 4 A random text
3 8 B random text
4 6 A random text
5 9 A random tex
如果您有这些时间戳,请记住在重置索引之前按时间/日期排序。另外,连接时要注意时间。
编辑
在您在评论中澄清之后,我建议这样做。首先创建一个匹配相等实体(A,B)的键,然后按扬声器和实体(键)分组
df['key'] = (df['speaker'] != df['speaker'].shift(1)).astype(int).cumsum()
这使
speaker message key
0 A random text 1
1 B random text 2
2 A random text 3
3 A random text 3
4 A random text 3
5 B random text 4
6 A random text 5
7 B random text 6
8 B random text 6
9 A random text 7
现在,你只需要 groupby
df = df.groupby(['key', 'speaker'])['message'].apply(' '.join)
df
这使
key speaker
1 A random text
2 B random text
3 A random text random text random text
4 B random text
5 A random text
6 B random text random text
7 A random text
推荐阅读
- php - 在 Linux Mint 中检测 PHP 版本
- excel - 按多个值和多个列过滤
- arrays - 如果属性具有值,则将字符串数组连接到一个桶中的 ElasticSearch 聚合查询
- python - Pandas,ValueError,同时检查列中的字符串结尾
- c# - ExpandoObject 中的对象,如何检查任何对象是否包含“假”
- android - 从标记的信息窗口获取数据(标题)并放在对话框中
- python - Python 游戏对象安装
- python - 为什么我会得到反向双向链表?
- java - 启用 java 安全管理器时获取系统属性“os.arch”时权限被拒绝
- python - Lambda 返回 ConditionalCheckFailedException 而不是更新项目