在 python 中组合没有“For Loop & If else”的行数据的替代选项

Question

我必须根据行中的最后一个单词组合行，比如

数据格式如下

回答：

应该像下面这样组合

我已经编写了下面的代码，它按预期工作，但是，当我有大量数据（10K+ 行）时，它变得非常慢。

#拆分字符串并取最后一个单词

df["last_Word"] = df["Donor"].str.split().str[-1].str.lower()
df["Match_end"] = df["last_Word"].isin(align["KeyWords_end"].str.lower())

在数据框中添加两个新列

df["Cleaned"]= ""
df["Mark"]= ""

根据最后一个单词对齐文本并将删除行标记为“删除”

for i in range(len(df)):
    if ((df["Match_end"].iloc[i]== True) and (df["Match_end"].iloc[i+1]== True)):
        df["Mark"].iloc[i+1]= "delete"
        df["Mark"].iloc[i+2]= "delete"
        df["Cleaned"].iloc[i]= df["Donor"].iloc[i] + " " +df["Donor"].iloc[i+1]+ " " +df["Donor"].iloc[i+2]

删除标记行

df = df[~df['Mark'].str.contains("delete")]

更新新创建的列

for i in range(len(df)):
    if len(df["Cleaned"].iloc[i])== 0:
    df["Cleaned"].iloc[i]= df["Donor"].iloc[i]

#删除不需要的列

df.drop(["Donor","Mark","last_Word","Match_end"], axis = 1, inplace = True)

#重命名新创建的列

df.rename(columns= {"Cleaned": "Donor"},inplace = True)

Answer 1

假设您想组合以“and”或“&”结尾的字符串，请使用正则表达式来识别这些字符串，然后groupby.agg ：

m = ~df['donor'].str.contains(r'(?:\band|&)\s*$').shift(fill_value=False)

df.groupby(m.cumsum(), as_index=False).agg({'donor': ' '.join})

示例 output：

                      donor
0            ABC, DEF & GHI
1  JKL MNO and  PQR and STU

使用的输入：

          donor
0    ABC, DEF &
1           GHI
2  JKL MNO and 
3       PQR and
4           STU