根據列值對有序pandas數據幀中的行進行分組

Question

我有一個問題，即在pandas數據框（按時間戳排序）中僅將某些行分組在一起，具體取決於它們的列值。

所以這是一個例子：

df=pd.DataFrame({"text":["Hello.",
                    "I had a question.", 
                    "Hi!",
                    "Yes how can I help?",
                    "Do you ship to the UK?"
                    ],
            "timestamp":[
                        pd.Timestamp('20131213 11:50:00'),
                        pd.Timestamp('20131213 11:51:00'),
                        pd.Timestamp('20131213 11:52:00'),
                        pd.Timestamp('20131213 11:53:00'),
                        pd.Timestamp('20131213 11:54:00')
                        ],
            "direction":["In","In","Out","Out","In"]})

這就是數據框的樣子：

該數據幀按時間戳排序，並且可以是（例如）聊天線程，其中方向“In”可以是一個人說話而“Out”是另一個人說話。

我想得到的是這樣的：

在最終的數據框中，如果行的文本方向相同，則行的文本將組合在一起，但行只能組合在一起，直到您到達具有不同方向的行。 並保留消息的順序。

有沒有人有任何想法？

Answer 1

設定

operations = {
    'text': ' '.join,
    'direction': 'first',
}

---

使用agg和一個常用技巧按連續值分組：

df.groupby(df.direction.ne(df.direction.shift()).cumsum()).agg(operations)

                               text direction
direction
1          Hello. I had a question.        In
2           Hi! Yes how can I help?       Out
3            Do you ship to the UK?        In

Answer 2

做這樣的事情怎么樣：

# indicate direction changes
df['dir'] = df.direction.shift(1).bfill()
df['dir_change'] = df.apply(lambda x: 1 if x.direction != x.dir else 0, axis=1)

# create new groups
df['new_group'] = df.dir_change.cumsum()

# group on new groups and aggregate the text
agg_df = df.groupby('new_group').agg({'text':lambda x: ' '.join(list(x)), 'timestamp':'first'})