如何在pandas DataFrame中聚合与新行具有相似字符串值的行？

Question

下面是我使用Pandas创建的DataFrame。

╔════════════════════════╦══════════╗
║        Column A        ║ Column B ║
╠════════════════════════╬══════════╣
║ /                      ║ 5.34     ║
║ new-shirts             ║ 6.78     ║
║ new-pants              ║ 10.11    ║
║ used-hats              ║ 1.56     ║
║ used-shirts            ║ 3.78     ║
║ brand-new-watches/gold ║ 4.21     ║
║ customer-service       ║ 0.29     ║
║ holiday-blowout-sale   ║ 12.45    ║
║ used-pants/corduroy    ║ 2.98     ║
║ special-discounts      ║ 6.99     ║
║ contact-us             ║ 1.67     ║
╚════════════════════════╩══════════╝

我想将具有相似字符串的行聚合为"Column A“中的新行("Home”将是"/"，任何带有" new“的内容将成为"New"，任何带有"used”的内容将变为"Used"，任何带有"service“的内容将变为"Service”，其他所有内容将被推送到"Other")，并在"Column B“中找到这些值的平均值，如下所示。我如何使用Python和Pandas来做到这一点呢？

╔══════════╦══════════╗
║ Column A ║ Column B ║
╠══════════╬══════════╣
║ Home     ║ 5.34     ║
║ New      ║ 7.03     ║
║ Used     ║ 2.77     ║
║ Service  ║ 0.29     ║
║ Other    ║ 7.04     ║
╚══════════╩══════════╝

此外，是否还可以将"customer-service“和"contact-us”等页面合并到新的行"Service“中，而"contact-us”不计入"Other"？

谢谢!

编辑：

@Erfan -您的解决方案很好地解决了初始DataFrame的呈现方式，但我意识到它缺少相关数据。如果你的解决方案看起来像这样，而我也在努力实现同样的结果，你的解决方案会发生什么变化？

╔═════════════════════════════════╦══════════╗
║            Column A             ║ Column B ║
╠═════════════════════════════════╬══════════╣
║ /                               ║ 5.34     ║
║ /new-shirts/                    ║ 6.78     ║
║ /new-pants/                     ║ 10.11    ║
║ /used-hats/                     ║ 1.56     ║
║ /used-shirts/                   ║ 3.78     ║
║ /brand-new-watches/gold/        ║ 4.21     ║
║ /customer-service/              ║ 0.29     ║
║ /holiday-blowout-sale/december/ ║ 12.45    ║
║ /used-pants/corduroy/           ║ 2.98     ║
║ /special-discounts/             ║ 6.99     ║
║ /contact-us/                    ║ 1.67     ║
╚═════════════════════════════════╩══════════╝

Answer 1

我们可以定义你想要分类的单词，然后使用Series.str.extract从你的字符串中提取这些类别。

然后我们使用GroupBy.sum来获得每个类别的总和：

words = ['/', 'New', 'Used', 'Service']

cats = (
    df['Column A'].str.extract('((?i)'+'|'.join(words)+')')
                  .fillna('other')[0]
                  .str.capitalize()
                  .str.replace('/', 'Home')
)

df = df.groupby(cats, sort=False)['Column B'].mean().rename_axis('Column A', axis=0).reset_index()

  Column A  Column B
0     Home  5.340000
1      New  7.033333
2     Used  2.773333
3  Service  0.290000
4    Other  7.036667