如何在python中的数据框列上使用正则表达式进行分组？

Question

我有一个名为clientesv的表数据框，其中包含名为COBERTURA的列，其值为：

clientesv.groupby('COBERTURA').size()

COBERTURA
          
A        9174
A3          1
B        1148
B0        179
B1       3922
B2          3
B3       1971
C        1511
C1       1065
C3        359
C4        145
C5         22
C6         87
C7        493
C8        174
D1         12
D2      16016
E          62
E1          5
M B      2751
M P      3080
M10     10281
M15      5187
M5       3765
dtype: int64

我想在 Groupby 中使用正则表达式进行总结，结果是：

A  (total amount of A + A0)
B  (total amount of B0, B1, B2, B3)
C  etc
D
E 
M

我试图做这样的事情：

clientesv.groupby(clientesv.COBERTURA.str.contains(r'\A', regex=True)).size()

但是这个表达式只总结了 A 的值，所以我不知道如何遵循......

Answer 1

尝试^(\\D)获取字符串开头的所有非数字字符。 value_counts也比groupby().size()快。

clientcsv.COBERTURA.str.extract('^(\D)+', expand=False).value_counts()

Answer 2

您可以创建一个仅包含第一个字母的 aux 列。

clientesv['new_label'] = clientesv.COBERTURA.str[0]
group_clients = clientesv.groupby('new_label')['COBERTURA'].agg('sum').reset_index()