python - 有没有一种好方法可以将函数累积应用于 pandas 系列字符串？

Question

我有一个像这样的 Pandas 数据框

   x  y
0  0  a
1  0  b
2  0  c
3  0  d
4  1  e
5  1  f
6  1  g
7  1  h

我想做的是为 x 的每个值创建一个系列，该系列累积连接已经出现在 y 中的字符串，用于 的那个值x。换句话说，我想得到一个像这样的 Pandas 系列。

0          
1        a,
2      a,b,
3    a,b,c,
4          
5        e,
6      e,f,
7    e,f,g,

我可以使用双 for 循环来完成:

dat = pd.DataFrame({'x': [0, 0, 0, 0, 1, 1, 1, 1], 
                    'y': ['a','b','c','d','e','f','g','h']})

z = dat['x'].copy()
for i in range(dat.shape[0]):
    z[i] = ''
    for j in range(i):
        if dat['x'][j] == dat['x'][i]:
            z[i] += dat['y'][j] + ","

但我想知道是否有更快的方法？ Pandas expanding().apply() 似乎不适用于字符串，它是一个 open issue .但也许有一种不涉及 apply 的有效方法？

Answer 1

您可以在自定义函数中使用 shift 和 np.cumsum:

def myfun(x):
    y = x.shift()
    return np.cumsum(y.fillna('').add(',').mask(y.isna(),'')).str[:-1]
df.groupby("x")['y'].apply(myfun)

---

0         
1        a
2      a,b
3    a,b,c
4         
5        e
6      e,f
7    e,f,g
Name: y, dtype: object