gpt4 book ai didi

python - 数据帧行的条件合并

转载 作者:行者123 更新时间:2023-12-04 08:22:57 24 4
gpt4 key购买 nike

我有一个 2xN 的聊天消息数据框,我正在尝试找到最干净的方法来合并来自同一扬声器的连续消息。这是我正在使用的数据示例:

mydata = pd.DataFrame(data=[['A','random text'],
['B','random text'],
['A','random text'],
['A','random text'],
['A','random text'],
['B','random text'],
['A','random text'],
['B','random text'],
['B','random text'],
['A','random text']], columns=['speaker','message'])
希望您能看到扬声器的顺序不是我想要的 ABAB 格式。相反,有一些 AAAB 和 ABBA 的序列。我目前的想法是从头开始重建dataframe,用下一个索引位置的ID检查每一行的ID...
mergeCheck = True
while mergeCheck is True:
# set length of the dataframe
lenDF = len(mydata)
# empty list to rebuild dataframe
mergeDF = []
# set index position at the beginning of dataframe
i = 0
while i < lenDF-1:
# check whether adjacent rows have different ID
if mydata['speaker'].iloc[i] != mydata['speaker'].iloc[i+1]:
# if true, append row as is to mergeDF list
mergeDF.append([mydata['speaker'].iloc[i],
mydata['message'].iloc[i]])
# increase index position by 1
i +=1
else:
# merge messages
mergeDF.append([mydata['speaker'].iloc[i],
mydata['message'].iloc[i] + mydata['message'].iloc[i+1]])
# increase index position by 2
i +=2
# exit the loop if index position falls on the last message
if i == lenDF-1:
# if true, append row as is to mergeDF list
mergeDF.append([mydata['speaker'].iloc[i],
mydata['message'].iloc[i]])
# increase counter by 1
i +=1
if i == lenDF:
mergeCheck = False
但是,这只适用于两个相邻的消息。回到我的原始数据,当放入数据帧时,上述函数生成以下输出...
--------------------------
speaker | message
--------------------------
A 'random text'
B 'random text'
A 'random textrandom text'
A 'random text'
B 'random text'
A 'random text'
B 'random textrandom text'
A 'random text'
--------------------------
我想扩展函数来检查 i 的更多比较(即 '.iloc[i] != .iloc[i+2]' 或 '.iloc[i] != .iloc[i+3]'等),但这很快就会变得不可行。我想我需要的是某种方式来重复上述功能,直到数据帧处于所需的格式。但我不确定如何解决这个问题。

最佳答案

一个可能的解决方案是这样的:

df1 = mydata[mydata['speaker']=='A'].reset_index()
df2= mydata[mydata['speaker']=='B'].reset_index()
df = pd.concat([df1, df2]).sort_index()
返回
  index speaker      message
0 0 A random text
0 1 B random text
1 2 A random text
1 5 B random text
2 3 A random text
2 7 B random text
3 4 A random text
3 8 B random text
4 6 A random text
5 9 A random tex
如果您有这些时间戳,请记住在重置索引之前按时间/日期排序。另外,连接时要注意时间。
编辑
在您在评论中澄清之后,我建议这样做。首先创建一个匹配相等实体(A,B)的键,然后按说话者和实体(键)分组
df['key'] = (df['speaker'] != df['speaker'].shift(1)).astype(int).cumsum()
这使
  speaker      message  key
0 A random text 1
1 B random text 2
2 A random text 3
3 A random text 3
4 A random text 3
5 B random text 4
6 A random text 5
7 B random text 6
8 B random text 6
9 A random text 7
现在,你只需要分组
df = df.groupby(['key', 'speaker'])['message'].apply(' '.join)
df
这使
key  speaker
1 A random text
2 B random text
3 A random text random text random text
4 B random text
5 A random text
6 B random text random text
7 A random text

关于python - 数据帧行的条件合并,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65410021/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com