Pandas 相当于 R/dplyr group_by 汇总串联

Question

我有一个操作需要将R 中的dplyr(and ) 转换为python 中的操作。在 R 中它非常简单，但我还无法在 pandas 中理解它。基本上，我需要按一（或多）列进行分组，然后将剩余的列连接在一起并用分隔符折叠它们。R 有一个很好的向量化函数，它完全可以满足我的需求。stringrpandasstr_c

\n

这是 R 代码：

\n

library(tidyverse)\ndf <- as_tibble(structure(list(file = c(1, 1, 1, 2, 2, 2), marker = c("coi", "12s", "16s", "coi", "12s", "16s"), start = c(1, 22, 99, 12, 212, 199), end = c(15, 35, 102, 150, 350, 1102)), row.names = c(NA, -6L), class = "data.frame") )\n\ndf %>%\n  group_by(file) %>%\n  summarise(markers = str_c(marker,"[",start,":",end,"]",collapse="|"))\n#> # A tibble: 2 \xc3\x97 2\n#>    file markers                               \n#>   <dbl> <chr>                                 \n#> 1     1 coi[1:15]|12s[22:35]|16s[99:102]      \n#> 2     2 coi[12:150]|12s[212:350]|16s[199:1102]\n

\n

这是 python 代码的开头。agg我认为or有一些技巧，transform但我不确定如何组合和连接多个列：

\n

library(tidyverse)\ndf <- as_tibble(structure(list(file = c(1, 1, 1, 2, 2, 2), marker = c("coi", "12s", "16s", "coi", "12s", "16s"), start = c(1, 22, 99, 12, 212, 199), end = c(15, 35, 102, 150, 350, 1102)), row.names = c(NA, -6L), class = "data.frame") )\n\ndf %>%\n  group_by(file) %>%\n  summarise(markers = str_c(marker,"[",start,":",end,"]",collapse="|"))\n#> # A tibble: 2 \xc3\x97 2\n#>    file markers                               \n#>   <dbl> <chr>                                 \n#> 1     1 coi[1:15]|12s[22:35]|16s[99:102]      \n#> 2     2 coi[12:150]|12s[212:350]|16s[199:1102]\n

\n

Answer 1

(df.astype(str)
   .assign(markers = lambda df: df.marker + "[" + (df.start + ":"+df.end) + "]")
   .groupby('file', as_index=False)
   .markers
   .agg("|".join)
)
 
  file                                 markers
0  1.f        coi[1:15]|12s[22:35]|16s[99:102]
1  2.f  coi[12:150]|12s[212:350]|16s[199:1102]

这个想法是先组合列，然后再使用 python 的 str.join 方法进行分组和聚合