循环数据帧只返回一列[重复]

Posted 2023-03-12

【中文标题】循环数据帧只返回一列[重复]

【英文标题】：Looping over dataframe only returns one column [duplicate]

【发布时间】：2021-10-21 03:13:40

【问题描述】：

在开始之前，感谢大家的时间和知识。 如果您有更好的标题推荐，请告诉我。

我有一个格式如下的数据框：

index   join             file
0       inner join         a
1       on xxx             a
2       inner join on yyy  b
3       left join          c

我正在运行一个循环以将以“on”或“and”开头的行附加到上面的行。像这样：

result = []
for j in df['join']:
    if j.startswith('and') and len(result) > 0:
        result[-1] += ' ' + j
    elif j.startswith('on') and len(result) > 0:
    result[-1] += ' ' + j
    else:
        result.append(j)
df = pd.DataFrame(result)

循环正常运行并返回：

index   join             
0       inner join on xxx  
1       inner join on yyy  
2       left join          

但是，循环没有引入“文件”字段。我将如何做到这一点？

【问题讨论】：

您正在迭代一列 for j in df['join']: 使用 for ind, row, in df.iterrows():

这是作业吗？我很确定我最近看到了类似的东西。

找到它：If row in dataframe starts with keyword, append it to the row above

不是为了作业，我只是不擅长 python - 另外，如果我没有正确使用该网站，请告诉我。

嗯，经验法则是您应该避免在 pandas 中执行循环。尽可能使用groupby 或矢量运算。如果my answer 适合您的需要，请告诉我。

【参考方案1】：

您可以检查不以“on”开头的行并应用cumsum 将那些以“on”开头的行与上一行分组。最后分组加入：

(df.groupby((~df['join'].str.startswith('on ')).cumsum())
   ['join'].apply(' '.join)
   .reset_index(drop=True) # optional, to have index starting with 0
)

输出：

join
0    inner join on xxx
1    inner join on yyy
2            left join
Name: join, dtype: object

要应用于所有列，请使用agg：

(df.groupby((~df['join'].str.startswith('on ')).cumsum())
   .agg(' '.join)
   .reset_index(drop=True)
)

输出：

                join file
0  inner join on xxx  a a
1  inner join on yyy    b
2          left join    c

您甚至可以对每列应用不同的操作：

(df.groupby((~df['join'].str.startswith('on ')).cumsum())
   .agg('join': ' '.join, 'file': 'first')
   .reset_index(drop=True)
)

输出：

                join file
0  inner join on xxx    a
1  inner join on yyy    b
2          left join    c

【讨论】：

谢谢！我只是查看了 cumsum 和 groupby 的工作方式。我将继续使用这些。感谢您的帮助