python - 数据框中的条件串联

Question

我有三组包含字母数字对象的代码(代码1、代码2 和代码3)。所有代码之间以分隔符(;)分隔，代码按顺序关联，如代码 1 的 A123 与代码 2 的 A 相关，代码 3 的 A445 相关，依此类推。代码3有一些重复或重复的代码。

我想要的输出是获得连接的“代码 4”，其中代码 1 和代码 2 根据这两个条件之一连接起来

a) 如果代码3中对应的代码没有重复值

b) 如果代码 3 中对应的代码有重复值，则需要使用代码 3 中最后一个重复值的位置对应的位置来连接代码 1 和代码 2(如 B678 R4，因为 A445 重复了两次代码3中，需要考虑A445的第4位来连接代码1和代码2)

让我知道是否可以使用任何逻辑来获取输出。提前致谢!

数据帧 df 的 Python 脚本是

df11 = pd.DataFrame({"code1": ["A123; A321; B478; B678; C567", "A321; A821; B448; B698; C577"], "code2": ["A; B5; N5; R4; H5", "A3; B; N; R7; H2"],"code3": ["A445; A323; A323; A445; A659", "A328; A328; A621; A442; A621"]},      index=[0, 1], )

所需的输出以及输入代码应如下所示

Answer 1

步骤:

1. 使用 applymap 将每个值转换为列表。
2. 分解数据框。
3. 去掉多余的空间(如果有)。
4. 根据 code3 列删除 df 中的重复项并保留最后一个值。
5. 删除 code3 列并加入 code1 和 code2。
6. 最后，使用 groupby 将它们重新聚合以获得所需的输出。

df2 =(
    df11.assign(
        desired_output=df11.applymap(
            lambda x: x.split(';'))
        .apply(pd.Series.explode)
        .applymap(str.strip)
        .drop_duplicates(subset='code3', keep='last')
        .drop('code3', 1)
        .apply(' '.join, 1)
        .groupby(level=0)
        .agg('; '.join))
)

更新的答案:

df2 = (
    df11.assign(
        desired_output=
        df11.apply(lambda s: s.str.split('; ').explode().str.strip())
        .drop_duplicates(subset='code3', keep='last')
        .drop('code3', 1)
        .apply(' '.join, 1)
        .groupby(level=0)
        .agg('; '.join)
        )
)

输出:

                          code1              code2  \
0  A123; A321; B478; B678; C567  A; B5; N5; R4; H5   
1  A321; A821; B448; B698; C577   A3; B; N; R7; H2   

                          code3             desired_output  
0  A445; A323; A323; A445; A659  B478 N5; B678 R4; C567 H5  
1  A328; A328; A621; A442; A621   A821 B; B698 R7; C577 H2