python - pandas - 按部分字符串分组

Question

我想按部分子字符串对 DataFrame 进行分组。这是一个示例 .csv 文件:

GridCode,Key
1000,Colour
1000,Colours
1001,Behaviours
1001,Behaviour
1002,Favourite
1003,COLORS
1004,Honours

到目前为止，我所做的是将文件导入为 df = pd.read_csv(sample.csv)，然后我使用 df['Key'] 将所有字符串设为小写= df['Key'].str.lower().我尝试的第一件事是使用 GridCode 和 Key 进行分组:

g = df.groupby([df['GridCode'],df['Key']]).size()

然后展开并填充:

d = g.unstack().fillna(0)

生成的 DataFrame 是:

Key       behaviour  behaviours  colors  colour  colours  favourite  honours
GridCode                                                                    
1000              0           0       0       1        1          0        0
1001              1           1       0       0        0          0        0
1002              0           0       0       0        0          1        0
1003              0           0       1       0        0          0        0
1004              0           0       0       0        0          0        1

现在我想做的是仅对包含子字符串“our”的字符串进行分组，在本例中避免仅使用颜色键，创建一个包含所需子字符串的新列。预期结果如下:

Key       'our'
GridCode                                                                    
1000        2              
1001        2
1002        1
1003        0
1004        1

我还尝试使用 masked = df['Key'].str.contains('our') 屏蔽 DataFrame，然后使用 df1 = df[mask] ，但我不知道如何使用新的 groupby 计数创建一个新列。非常感谢任何帮助。

Answer 1

>>> import re  # for the re.IGNORECASE flag
>>> df['Key'].str.contains('our', re.IGNORECASE).groupby(df['GridCode']).sum()
GridCode
1000        2
1001        2
1002        1
1003        0
1004        1
Name: Key, dtype: float64

也，而不是

df.groupby([df['GridCode'],df['Key']])

最好这样做:

df.groupby(['GridCode', 'Key'])