列和行与另一列中的公共值串联

Question

在下面提到的表中，我想将列Tri_gram_sents和Value连接在一起，然后将列sentence中具有相同编号的所有行连接起来。

   Tri_gram_sents                   Value          sentence
  (('<s>', '<s>'), 'ABC')          0.161681         1
  (('<s>', 'ABC'), 'ABC')          0.472973         1
  (('ABC', 'ABC'), 'ABC')          0.305732         1
  (('ABC', 'ABC'), 'ABC')          0.005655         1
  (('ABC', 'ABC'), '</s>')         0.434783         1
  (('ABC', '</s>'), '</s>')        0.008547         1
  (('<s>', '<s>'), 'DEF')          0.111111         2
  (('<s>', 'DEF'), 'DEF')          0.039474         2
  (('DEF', 'DEF'), 'DEF')          0.207317         2
  (('DEF', 'DEF'), 'DEF')          0.074803         2
  (('DEF', 'DEF'), '</s>')         0.037940         2
  (('DEF', '</s>'), '</s>')        0.033163         2
  (('<s>', '<s>'), 'GHI')          0.250000         3
  (('<s>', 'GHI'), 'GHI')          0.103316         3
  (('GHI', 'GHI'), 'GHI')          0.024155         3
  (('GHI', 'GHI'), '</s>')         0.028302         3
  (('GHI', '</s>'), '</s>')        0.117647         3    `

对于上面的行集，我将在另一个表中获得总共3行，并且我的预期输出看起来如下：

(('<s>', '<s>'), 'ABC') 0.161681 (('<s>', 'ABC'), 'ABC') 0.472973 (('ABC', 'ABC'), 'ABC') 0.305732 (('ABC', 'ABC'), 'ABC') 0.005655 (('ABC', 'ABC'), '</s>') 0.434783 (('ABC', '</s>'), '</s>') 0.008547
(('<s>', '<s>'), 'DEF') 0.111111 (('<s>', 'DEF'), 'DEF') 0.039474 (('DEF', 'DEF'), 'DEF') 0.207317 (('DEF', 'DEF'), 'DEF') 0.074803 (('DEF', 'DEF'), '</s>') 0.037940 (('DEF', '</s>'), '</s>') 0.033163
(('<s>', '<s>'), 'GHI') 0.250000 (('<s>', 'GHI'), 'GHI') 0.103316 (('GHI', 'GHI'), 'GHI') 0.024155 (('GHI', 'GHI'), '</s>') 0.028302 (('GHI', '</s>'), '</s>') 0.117647

Answer 1

您可以使用groupby和join来创建预期输出。一种方法是从列to_join和Tri_gram_sents创建列Value，然后agg此列：

df['to_join'] = df['Tri_gram_sents'] + ' ' + df['Value'].astype(str)
ser_output = df.groupby('sentence')['to_join'].agg(' '.join)

或者您可以在一行中完成所有操作而无需使用apply创建列：

ser_output = (df.groupby('sentence').apply(
             lambda df_g: ' '.join(df_g['Tri_gram_sents']+' '+df_g['Value'].astype(str))))

你得到ser_output：

sentence
1    (('<s>', '<s>'), 'ABC') 0.161681 (('<s>', 'ABC...
2    (('<s>', '<s>'), 'DEF') 0.111111 (('<s>', 'DEF...
...

第一个元素看起来像预期的那样：

"(('<s>', '<s>'), 'ABC') 0.161681 (('<s>', 'ABC'), 'ABC') 0.472973 (('ABC', 'ABC'), 'ABC') 0.305732 (('ABC', 'ABC'), 'ABC') 0.005655 (('ABC', 'ABC'), '</s>') 0.434783 (('ABC', '</s>'), '</s>') 0.008547"