python:如果下一行以文本数据中相同的匹配模式开始，则将下一行与前一行合并

Question

我有一个非常大的数据组(AAA-(n))的file.txt。文件中的许多行都有相同的标记(例如。AB)在文件中的AAA -(n)到AAA-(n+1)行之间。我想把它们放在一条线上。例如：

AAA-1
XX-a
AB-a
AB-b
AB-c
numb-a
lime-a
lime-b
XX-b
AB-d
AB-e
lime-c
AAA-2
.
.
AAA-n
.
.

我想要的输出是：

AAA-1
XX-a
AB-a;b;c
numb-a
lime-a;b
XX-b
AB-d;e
lime-c
AAA-2
.
.
.
AAA-n
.
.

我试过这个：

from itertools import groupby, count

counter = count()
with open('file.txt') as f:
    for key, group in groupby(f, lambda s: next(counter) if s.startswith('AAA') or s.startswith('XX') else -1):
        print(';'.join(s.rstrip('\n') for s in group))

退出：

AAA-1
XX-a
AB-a;AB-b;AB-c;numb-a;lime-a;lime-b
XX-b
AB-d;AB-e;lime-c
AAA-2

请帮助我避免使用AB对其他标签进行分组，并在分组后删除标记？

Answer 1

编辑：更新以获得正确的输出

以下是我想出的：

df = pd.DataFrame.from_dict({'data': dat})
df['data'] = df['data'].str.split('-')
df['tag'] = [x[0] for x in df['data']]
df['tail'] = [x[1] for x in df['data']]

i = 0
while i < (len(df) - 1): 
    tails = [df.iat[i, 2]]
    j = 1
    while(df.iat[i, 1] == df.iat[i+j, 1]):
        tails.append(df.iat[i+j, 2])
        j += 1
    df.loc[i, 'tails'] = tails
    i += j

df.dropna(how='any', axis=0, inplace=True)
df.reset_index(drop=True, inplace=True)
df.drop(columns=['data', 'tail'], inplace=True)
df['final'] = [df.at[i, 'tag'] + '-' + ';'.join(df.at[i, 'tails']) for i in range(len(df))]

输出：

​

​

想到的第一种方法是将尾随字符从标记中分离出来，并放置在单独的列中。假设您使用的是Pandas，并且它已经在DF中：

df['data'] = df['data'].str.split('-')
df['tag'] = [x[0] for x in df['data']]
df['tail'] = [x[1] for x in df['data']]

现在，您有一个包含原始数据的列，一个带有标记的列，还有一个带有尾的列。

​

​

现在，您可以按标记进行分组：

grouped = df.groupby('tag')

从这里开始，您可以使用lambda函数实现您想要的结果：

out = grouped.agg({'tail': lambda t: ''.join(t)})

​

​

从这里开始，您可以重置索引，用破折号连接到一个字符串中，不管您想要什么。