將一個 dataframe 中的列值作為列表附加到另一個

Question

我有幾十個非常相似的數據框。 我想要的是將每個列的所有“VALUE”列值組合到列表中，並返回一個 dataFrame，其中“VALUE”列由這些列表組成。 我只想對“PV”包含子字符串列表中的 substring 的行執行此操作。

我想出了一種我認為可行的方法，但它真的很討厭而且無論如何都不起作用（在 3 米處停止）。 必須有更好的方法來做到這一點，這里有人有什么想法嗎？ 感謝您提供的所有幫助。

import pandas as np
# Example dataFrames
df0 = pd.DataFrame(data={'PV': ['pv1', 'pv2', 'pv3', 'pv4'], 'VALUE': [1, 2, 3, 4]})
df1 = pd.DataFrame(data={'PV': ['pv1', 'pv2', 'pv3', 'pv4'], 'VALUE': [5, 6, 7, 8]})
df2 = pd.DataFrame(data={'PV': ['pv1', 'pv2', 'pv3', 'pv4'], 'VALUE': [10, 11, 12, 13]})

DATAFRAMES

df0 dataFrame          df1 dataFrame      df2 dataFrame

PV   VALUE             PV   VALUE         PV   VALUE
pv1    1               pv1    5           pv1    10
pv2    2               pv2    6           pv2    11
pv3    3               pv3    7           pv3    12
pv4    4               pv4    8           pv4    13

# Nasty code I thought might work
strings = ['v2', 'v4']
for i, row0 in df0.iterrows():
    for j, row1 in df1.iterrows():
        if (row0['PV']==row1['PV']) & any(substring in row0['PV'] for substring in strings):
            df0.at[i,'VALUE'] = [row0['VALUE'], row1['VALUE']]

Desired result:

PV   VALUE
pv1    1
pv2  [2,6]
pv3    3
pv4  [4,8]

@enke 感謝您的幫助，我不得不嘗試一下以弄清楚如何防止出現嵌套列表：並最終使用以下注釋函數/代碼/輸出：

def appendValues(df0, df1, pvStrings=['v2','v4']):
       # Turn values in VALUE column into list objects
       df0['VALUE'] = df0['VALUE'].apply(lambda x: x if isinstance(x,list) else [x])
       # For rows were PV string DOESN'T contain substring, set value to max()+1
       #    apply makes lists [x] empty if they were set to max()+1, else [x]
       df1['VALUE'] = (df1['VALUE']
                     .where(df1['PV'].str.contains('|'.join(pvStrings)), df1['VALUE'].max()+1)
                     .apply(lambda x: [x] if x <= df1['VALUE'].max() else []))
       # concatenate df1's VALUE column to df0
       #    set the indexing column to 'PV'
       #    sum all row values (axis=1) into one list
       data = (df0.merge(df1, on='PV')
                     .set_index('PV')
                     .sum(axis=1))
       # restore singleton lists to their original type, reset index moves current 'PV' index back to a column, and impliments new sequential index
       data = data.mask(data.str.len().eq(1), data.str[0]).reset_index(name='VALUE')
       return data

data = appendValues(df0, df1, pvStrings=['v2','v4'])
data = appendValues(data, df2, pvStrings=['v1','v4'])
data

Output:
    PV    VALUE
0   pv1   [1,10]
1   pv2   [2,6]
2   pv3     3
3   pv4  [4,8,13]

Answer 1

您可以過濾df1以查找包含strings的行； 將它與df0連接起來； 然后groupby + agg(list)可以為每個“PV”聚合“VALUE”。

最后，您可以使用mask從 singleton 列表中取出元素。

out = (pd.concat([df0, df1[df1['PV'].str.contains('|'.join(strings))]])
       .groupby('PV', as_index=False)['VALUE'].agg(list))
out['VALUE'] = out['VALUE'].mask(out['VALUE'].str.len().eq(1), out['VALUE'].str[0])

或者，我們可以創建“VALUE”列列表中的值並merge + 連接列表：

df0['VALUE'] = df0['VALUE'].apply(lambda x: [x])
df1['VALUE'] = df1['VALUE'].where(df1['PV'].str.contains('|'.join(strings)), df1['VALUE'].max()+1).apply(lambda x: [x] if x <= df1['VALUE'].max() else [])
out = df0.merge(df1, on='PV').set_index('PV').sum(axis=1)
out = out.mask(out.str.len().eq(1), out.str[0]).reset_index(name='VALUE')

Output：

    PV   VALUE
0  pv1       1
1  pv2  [2, 6]
2  pv3       3
3  pv4  [4, 8]

如果您不想過濾掉“PV”中包含“字符串”的行，而是將它們保留為單獨的行，那么您可以先concat + groupby ； 然后過濾+ explode ：

out = pd.concat([df0, df1]).groupby('PV', as_index=False)['VALUE'].agg(list)
msk = out['PV'].str.contains('|'.join(strings))
out = pd.concat((out[msk].explode('VALUE'), out[~msk])).sort_index()

Output：

    PV   VALUE
0  pv1  [1, 5]
1  pv2       2
1  pv2       6
2  pv3  [3, 7]
3  pv4       4
3  pv4       8