Concatenar strings de várias linhas usando o grupo Pandas

Eu quero mesclar várias strings em um dataframe baseado em um agrupado no Pandas.

Este é o meu código até agora:

import pandas as pd
from io import StringIO

data = StringIO("""
"name1","hej","2014-11-01"
"name1","du","2014-11-02"
"name1","aj","2014-12-01"
"name1","oj","2014-12-02"
"name2","fin","2014-11-01"
"name2","katt","2014-11-02"
"name2","mycket","2014-12-01"
"name2","lite","2014-12-01"
""")

# load string as stream into dataframe
df = pd.read_csv(data,header=0, names=["name","text","date"],parse_dates=[2])

# add column with month
df["month"] = df["date"].apply(lambda x: x.month)

Eu quero que o resultado final seja assim:

Não entendo como posso usar o groupby e aplicar algum tipo de concatenação das strings na coluna "texto". Qualquer ajuda apreciada!

Você pode agrupar as colunas 'name'e 'month', em seguida, chamar transformque retornará os dados alinhados ao df original e aplicar um lambda onde colocamos joinas entradas de texto:

In [119]:

df['text'] = df[['name','text','month']].groupby(['name','month'])['text'].transform(lambda x: ','.join(x))
df[['name','text','month']].drop_duplicates()
Out[119]:
    name         text  month
0  name1       hej,du     11
2  name1        aj,oj     12
4  name2     fin,katt     11
6  name2  mycket,lite     12

Eu submeto o df original passando uma lista das colunas de interesse df[['name','text','month']]aqui e depois ligodrop_duplicates

EDIT, na verdade, posso apenas ligar applye então reset_index:

In [124]:

df.groupby(['name','month'])['text'].apply(lambda x: ','.join(x)).reset_index()

Out[124]:
    name  month         text
0  name1     11       hej,du
1  name1     12        aj,oj
2  name2     11     fin,katt
3  name2     12  mycket,lite

atualizar

o lambdaé desnecessário aqui:

In[38]:
df.groupby(['name','month'])['text'].apply(','.join).reset_index()

Out[38]: 
    name  month         text
0  name1     11           du
1  name1     12        aj,oj
2  name2     11     fin,katt
3  name2     12  mycket,lite

podemos agrupar as colunas 'nome' e 'mês' e, em seguida , chamar as funções agg () dos objetos DataFrame do Panda.

A funcionalidade de agregação fornecida pela função agg () permite que várias estatísticas sejam calculadas por grupo em um cálculo.

df.groupby(['name', 'month'], as_index = False).agg({'text': ' '.join})

A resposta do EdChum fornece muita flexibilidade, mas se você quiser apenas concatear strings em uma coluna de objetos de lista, você também pode:

output_series = df.groupby(['name','month'])['text'].apply(list)

Para mim, as soluções acima foram próximas, mas adicionaram alguns / n's e dtype: object indesejados, então aqui está uma versão modificada:

df.groupby(['name', 'month'])['text'].apply(lambda text: ''.join(text.to_string(index=False))).str.replace('(\\n)', '').reset_index()

Se você deseja concatenar seu "texto" em uma lista:

df.groupby(['name', 'month'], as_index = False).agg({'text': list})