Блог

Я работаю с фреймом данных, содержащим два столбца, один из столбцов содержит строки, разделенные запятыми, второй содержит целые числа. Я хочу выполнить итерацию по столбцу со строками, сохранить каждую уникальную строку из каждой строки, присвоить целочисленное значение из второго столбца каждой строке. Другими словами,

 A           B
a,b,c,d     0
a,b,c,d     10
a,b,d,e     89
a,b,d,e     111
  

В этом примере:

 a = 220, b = 220, c = 10, d = 220, e = 210
  

Я выбираю интересные столбцы из моего CSV-файла,

 revcat = DataFrame(data, columns = ['Tag', 'Revenue']) 
  

Это дает мне ndarray с уникальными значениями в ‘Tag’ и преобразует его в другой DataFrame.

 uniqtag = rev1.Tag.str.split(",").apply(pd.Series).stack().unique()
tag_stack = pd.DataFrame(uniqtag)
  

Я застрял здесь. Как, исходя из этого, мне выполнить итерацию по исходному столбцу ‘Tag’, используя уникальные строки, которые я нашел, и суммировать значения из столбца ‘Revenue’ для каждого ‘Tag’?

Вы могли бы использовать Series.str.get_dummies , Series.mul и Series.sum :

 df['A'].str.get_dummies(sep=',').mul(df['B'], axis=0).sum()

a    210
b    210
c     10
d    210
e    200
  

Объяснение

 df.A.str.get_dummies(sep=',')
  

В результате получается фрейм данных, который выглядит следующим образом:

    a  b  c  d  e
0  1  1  1  1  0
1  1  1  1  1  0
2  1  1  0  1  1
3  1  1  0  1  1
  

Тогда использование .mul с вашим столбцом значений приведет к:

      a    b   c    d    e
0    0    0   0    0    0
1   10   10  10   10    0
2   89   89   0   89   89
3  111  111   0  111  111
  

И, наконец, применение .sum вдоль оси индекса даст вам окончательный результат:

 a    210
b    210
c     10
d    210
e    200
  

Вот шаги, которые я бы использовал

1. Разделите на «,» и используйте expand=True , чтобы получить фрейм данных обратно, где каждая буква находится в отдельном столбце (я предполагаю прямо сейчас, основываясь на вашем примере, что у вас всегда одинаковое количество разделений? Это правда?)

2. «Расплавьте» этот фрейм данных, чтобы вместо нескольких столбцов, созданных из каждой строки в исходном df, у вас был длинный фрейм данных, где каждая строка представляет собой букву и ее индекс в исходном df.

3. Преобразование индексов в значения в B столбце

4. Группируйте по букве и суммируйте по B .

 import pandas as pd

data = [
    ("a,b,c,d", 0),
    ("a,b,c,d", 10),
    ("a,b,d,e", 89),
    ("a,b,d,e", 111),
]
df = pd.DataFrame(data, columns=["A", "B"])

#   A       B
# 0 a,b,c,d 0
# 1 a,b,c,d 10
# 2 a,b,d,e 89
# 3 a,b,d,e 111

melted = df.A.str.split(",", expand=True).reset_index().melt(id_vars="index", value_name="A")
melted["B"] = df.B.loc[melted["index"]].values
melted.groupby("A").B.sum()

# value
# a    210
# b    210
# c    10
# d    210
# e    200
  

Примечание — я думаю, что у вас неправильные суммы в вопросе; некоторые из них, похоже, отклонены на 10.