pandas：连接字符串行直到特定字符答案

【问题标题】：pandas: concat rows of strings until specifc characterspandas：连接字符串行直到特定字符
【发布时间】：2018-06-30 23:32:11
【问题描述】：

我有一个单列数据框。该列的行包含通常跨越多行的对话。每个人对话行的末尾都是相同的字符“&,”组合，如下所示：

   Words
1  hello world! &,,
2  I woke up this morning and made some eggs.
3  They tasted good. &,,

我想将不以“&,”结尾的每一行与下一行合并，这样每一行都是不同的人在说话，而不是同一段落的多行。它看起来像这样：

   Words
1  hello world! &,,
2  I woke up this morning and made some eggs. They tasted good. &,,

我看到的每个与此类似的问题都涉及另一列，该列将指定一些额外的信息，例如，它可能会说谁在说话，但对于这个数据集，我没有那个，我也没有另一个包含更多信息的数据集信息，我只有分隔符。

【问题讨论】：

标签： python string pandas dataframe

【解决方案1】：

您可以在分隔符上join 和split 重新创建数据框：

df = pd.DataFrame(
    ''.join(df.Words.values)
    .split('&,,'), columns=['Words']
)

                                               Words
0                                      hello world!
1  I woke up this morning and made some eggs.They...
2

如果最后一列以&,, 结尾，这可能会导致空值，但过滤这些行很容易：

df.loc[df.Words.ne('')]

                                               Words
0                                      hello world!
1  I woke up this morning and made some eggs.They...

【讨论】：

【解决方案2】：

您可以使用df['Words'].str.endswith('&,,') 查找以&,, 结尾的行，然后使用cumsum 生成所需的组号（存储在下面的row 列中）。获得这些组号后，您可以使用 pd.pivot_table 将 DataFrame 重塑为所需的形式：

import sys
import pandas as pd
pd.options.display.max_colwidth = sys.maxsize

df = pd.DataFrame({
   'Words': ['hello world! &,,',
             'I woke up this morning and made some eggs.',
             'They tasted good. &,,']}, index=[1, 2, 3])

df['row'] = df['Words'].str.endswith('&,,').shift().fillna(0).cumsum() + 1
result = pd.pivot_table(df, index='row', values='Words', aggfunc=' '.join)
print(result)

产量

                                                                Words
row                                                                  
1                                                    hello world! &,,
2    I woke up this morning and made some eggs. They tasted good. &,,

【讨论】：