本文介绍了如何使用 Pandas 的 groupby 功能，并结合字符串处理，根据条件替换 DataFrame 列中的特定字符。具体来说，我们将根据 ‘ACCOUNT’ 列进行分组，然后将 ‘ASSET_CLASS’ 列中的 “XX” 替换为递增的两位数字，并根据替换的数字修改资产类别名称，例如将 “FI CHF” 替换为 “FI CHF gov” 或 “FI CHF Corporate”。此外，还介绍了当一个账户同时拥有 CHF 和 EUR 资产时，如何使用更精细的分组策略来实现相同的替换逻辑。
基于 Groupby 的字符串替换
在 Pandas 中，经常需要根据分组对数据进行转换。本节将演示如何使用 groupby 和字符串操作来替换 DataFrame 中特定列的字符，并根据替换结果修改其他字符串。
示例 DataFrame
首先，我们创建一个示例 DataFrame：
import pandas as pd df = pd.DataFrame({ 'ACCOUNT': [1, 1, 2, 2], 'ASSET_CLASS': ['11201XX FI CHF', '11201XX FI CHF', '12201XX FI EUR', '12201XX FI EUR', ], }) print(df)
输出:
ACCOUNT ASSET_CLASS 0 1 11201XX FI CHF 1 1 11201XX FI CHF 2 2 12201XX FI EUR 3 2 12201XX FI EUR
替换 “XX” 并修改资产类别名称
以下代码演示了如何基于 ‘ACCOUNT’ 列进行分组，并将 ‘ASSET_CLASS’ 列中的 “XX” 替换为递增的两位数字，同时修改资产类别名称。
s1 = df.groupby('ACCOUNT').cumcount().add(1).astype('str').str.zfill(2) m = {'01': ' Gov', '02': ' Corporate'} s2 = df['ASSET_CLASS'].str.split('XX') df['ASSET_CLASS'] = s2.str[0] + s1 + s2.str[1] + s1.map(m) print(df)
代码解释：
- df.groupby(‘ACCOUNT’).cumcount(): 根据 ‘ACCOUNT’ 列进行分组，并计算每个组内的累计计数。
- .add(1): 将累计计数加 1，因为我们希望从 1 开始计数。
- .astype(‘str’).str.zfill(2): 将计数转换为字符串，并使用 zfill(2) 填充前导零，确保所有数字都是两位数。例如，1 变为 “01”，2 变为 “02”。
- m = {’01’: ‘ Gov’, ’02’: ‘ Corporate’}: 创建一个字典，用于将替换的数字映射到相应的资产类别名称后缀。
- s2 = df[‘ASSET_CLASS’].str.split(‘XX’): 将 ‘ASSET_CLASS’ 列中的字符串按照 “XX” 分割成两部分。
- df[‘ASSET_CLASS’] = s2.str[0] + s1 + s2.str[1] + s1.map(m): 将分割后的字符串、替换的数字和资产类别名称后缀拼接在一起，更新 ‘ASSET_CLASS’ 列。
输出：
ACCOUNT ASSET_CLASS 0 1 1120101 FI CHF Gov 1 1 1120102 FI CHF Corporate 2 2 1220101 FI EUR Gov 3 2 1220102 FI EUR Corporate
处理一个账户拥有多种资产类别的情况
如果一个账户同时拥有多种资产类别（例如 CHF 和 EUR），则需要更精细的分组策略。以下示例演示了如何处理这种情况。
示例 DataFrame
df = pd.DataFrame({ 'ACCOUNT': [1, 1, 1, 1, 2, 2], 'ASSET_CLASS': ['11201XX FI CHF', '11201XX FI CHF', '12201XX FI EUR', '12201XX FI EUR', '12201XX FI EUR', '12201XX FI EUR', ], }) print(df)
输出:
ACCOUNT ASSET_CLASS 0 1 11201XX FI CHF 1 1 11201XX FI CHF 2 1 12201XX FI EUR 3 1 12201XX FI EUR 4 2 12201XX FI EUR 5 2 12201XX FI EUR
基于账户和资产类别进行分组
以下代码演示了如何基于 ‘ACCOUNT’ 和资产类别进行分组，并将 ‘ASSET_CLASS’ 列中的 “XX” 替换为递增的两位数字，同时修改资产类别名称。
s1 = df.groupby(['ACCOUNT', df['ASSET_CLASS'].str.split(' ').str[-1]]).cumcount() .add(1).astype('str').str.zfill(2) m = {'01': ' Gov', '02': ' Corporate'} s2 = df['ASSET_CLASS'].str.split('XX') df['ASSET_CLASS'] = s2.str[0] + s1 + s2.str[1] + s1.map(m) print(df)
代码解释：
- df.groupby([‘ACCOUNT’, df[‘ASSET_CLASS’].str.split(‘ ‘).str[-1]]): 根据 ‘ACCOUNT’ 列和 ‘ASSET_CLASS’ 列的最后一个单词（即资产类别）进行分组。df[‘ASSET_CLASS’].str.split(‘ ‘).str[-1] 用于提取资产类别。
- 其余步骤与前面的示例相同，用于计算累计计数、替换 “XX” 和修改资产类别名称。
输出：
ACCOUNT ASSET_CLASS 0 1 1120101 FI CHF Gov 1 1 1120102 FI CHF Corporate 2 1 1220101 FI EUR Gov 3 1 1220102 FI EUR Corporate 4 2 1220101 FI EUR Gov 5 2 1220102 FI EUR Corporate
总结
本文介绍了如何使用 Pandas 的 groupby 功能和字符串操作，根据条件替换 DataFrame 列中的特定字符。通过灵活运用 groupby 和字符串处理函数，可以实现各种复杂的数据转换任务。在实际应用中，需要根据具体的数据结构和业务需求选择合适的分组策略和替换逻辑。