python - Pandas:有没有办法将列中的值分组在一起？

Question

我正在使用 pandas 来处理 DataFrame，其中有一列称为“Rank”，表示军事军衔。当我对数据使用groupby并创建交叉表时，我注意到Rank中的一些值是同义词。例如，我的交叉表中有“Private 1st Class”、“Private First Class”和“PFC”的单独行。

假设我可以手动创建一个字典将所有这些“同义词”关联在一起，有没有办法让 pandas 将其应用到我的 DataFrame 中，以便所有值都被认为是相同的出于计数、交叉表等目的？因此，对于上面的示例，如果我决定对“PFC”进行标准化，我将创建以下内容:{"Private 1st Class": "PFC", "Private First Class": "PFC"}。

我查看了groupby，但据我所知，它按列对整个框架进行排序，并且不支持这样的等效值。如果我错了，有人可以指出我文档的相关部分吗？

Answer 1

举个例子:

数据:

df = pd.DataFrame({"val": [1,2,3,4,5], "key": ["Private 1st class", "Private First Class", "PFC", "other", "other"]})

翻译词典:

translate = pd.DataFrame.from_records({"key": ["Private 1st class", "PFC", "Private First Class"],
                           "harmonizedkey": ["PFC", "PFC", "PFC"]})

让我们将字典合并到 df:

newdf = pd.merge(df, translate, how = "left", on = "key")

创建一个新的(完整)组:

newdf["newgroup"] = newdf["harmonizedkey"].combine_first(newdf["key"])
newdf

    key                 val harmonizedkey   newgroup
0   Private 1st class   1   PFC             PFC
1   Private First Class 2   PFC             PFC
2   PFC                 3   PFC             PFC
3   other               4   NaN             other
4   other               5   NaN             other

现在，使用groupby:

newdf.groupby("newgroup").sum()

        val
newgroup    
PFC     6
other   9