如何对以相同字符串开头的行求和

Question

我用 pandas 清理了一个 csv：

import pandas as pd 
import numpy as np
df = pd.read_csv(r'C:\Users\Leo90\Downloads\data-export.csv',encoding='utf-8', header=None, sep='\n')
df = df[0].str.split(',', expand=True)
df=df.iloc[:,[0,1,2,3,4,5,6,7]]
df=df.replace(to_replace='None',value=np.nan).dropna()
df=df.reset_index(drop=True)
columnNames = df.iloc[0] 
df = df[1:] 
df.columns = columnNames
df.groupby('path').head()

处理后的数据如下图

我想用 python 使这个数据框看起来像这样

我知道我可以使用 str.contain 来匹配这些字符串，但它只能返回布尔值，所以我无法对 A 和 B 列求和。这个问题有什么解决办法吗？

我试过 str.contain 来匹配这些字符串，但我无法对 A&B 求和。

Answer 1

在起始字符串上使用 groupby.sum：

• 如果起始字符串是固定的，则使用.str[:n] 来分割第一个n 字符

  df = pd.DataFrame({'path': ['google.com/A/123', 'google.com/A/124', 'google.com/A/125', 'google.com/B/3333', 'google.com/C/11111111', 'google.com/C/11111113'], 'A': 1, 'B': 2})
  #                     path  A  B
  # 0       google.com/A/123  1  2
  # 1       google.com/A/124  1  2
  # 2       google.com/A/125  1  2
  # 3      google.com/B/3333  1  2
  # 4  google.com/C/11111111  1  2
  # 5  google.com/C/11111113  1  2
  
  start = df['path'].str[:12]  # first 12 chars of df['path']
  out = df.groupby(start).sum()
  #               A  B
  # path              
  # google.com/A  3  6
  # google.com/B  1  2
  # google.com/C  2  4
  

• 如果起始字符串是动态的，请使用 .str.extract() 来捕获所需的模式（例如，直到第二个斜杠）

  df = pd.DataFrame({'path': ['A.com/A', 'A.com/A/B/C', 'google.com/A/123', 'google.com/A/124', 'google.com/A/125', 'google.com/B/3333', 'google.com/C/11111111', 'google.com/C/11111113'], 'A': 1, 'B': 2})
  #                     path  A  B
  # 0                A.com/A  1  2
  # 1            A.com/A/B/C  1  2
  # 2       google.com/A/123  1  2
  # 3       google.com/A/124  1  2
  # 4       google.com/A/125  1  2
  # 5      google.com/B/3333  1  2
  # 6  google.com/C/11111111  1  2
  # 7  google.com/C/11111113  1  2
  
  start = df['path'].str.extract(r'^([^/]+/[^/]+)', expand=False)  # up to 2nd slash of df['path']
  out = df.groupby(start).sum()
  #               A  B
  # path              
  # A.com/A       2  4
  # google.com/A  3  6
  # google.com/B  1  2
  # google.com/C  2  4
  

Answer 2

按路径分组，同时忽略最终子路径并聚合（求和）其他列。

df['path'] = df["path"].apply(lambda x: "/".join(x.split("/")[:-1]))
df.groupby("path").sum()