python - 根据另一列的条件从一列的多个连续行聚合字符串数据

Question

我有一个像这样的 DataFrame:

data = {'col1': ['A', 'B', 'B', 'A', 'B', 'C', 'B', 'B', 'B', 
                  'A', 'C', 'A', 'B', 'C'],
        'col2': ['NaN', 'comment1', 'comment2', 'NaN', 'comment3', NaN,
                 'comment4', 'comment5', 'comment6', 
                 'NaN', 'NaN', 'NaN', 'comment7', 'NaN]}

frame = pd.DataFrame(data)
frame

col1  col2
A     NaN
B     comment1
B     comment2
A     NaN
B     comment3
C     NaN
B     comment4
B     comment5
B     comment6
A     NaN
C     NaN
A     NaN
B     comment7
C     NaN

col1 == 'B' 的每一行都有一个注释，它将是一个字符串。我需要聚合评论并用生成的聚合字符串填充前一行(其中 col1 != 'B')。

col1 != 'B' 的任何给定行都可能没有、一个或多个对应的注释行 (col1 == 'B')，这似乎是问题的症结所在。我不能只使用 fillna('bfill') 等。

我研究了 iterrows()、groupby() 和 while 循环并尝试构建我自己的函数。但是，我不认为我完全理解所有这些是如何工作的。

成品应该是这样的:

col1    col2
A       comment1 + comment2
B       comment1
B       comment2
A       comment3
B       comment3
C       comment4 + comment5 + comment6
B       comment4
B       comment5
B       comment6
A       NaN
C       NaN
A       comment7
B       comment7
C       NaN

最终我将删除所有 col1 == 'B' 的行，但现在我想保留它们以供验证。

Answer 1

下面是使用 GroupBy 和自定义石斑鱼来连接 col1 为 B 的字符串的一种方法:

where_a = frame.col1.ne('B') 
g = where_a.cumsum()
com = frame[frame.col1.eq('B')].groupby(g).col2.agg(lambda x: x.str.cat(sep=' + '))
till = (frame.col2.isna() & frame.col2.shift(-1).notna())[::-1].idxmax()
ixs = where_a[:till+1].reindex(frame.index).fillna(False)
frame.loc[ixs, 'col2'] = com.values

---

print(frame)

    col1                         col2
0     A             comment1 + comment2
1     B                        comment1
2     B                        comment2
3     A                        comment3
4     B                        comment3
5     C  comment4 + comment5 + comment6
6     B                        comment4
7     B                        comment5
8     B                        comment6
9     A                             NaN
10    C                             NaN