如何基于Version列前缀分组DataFrame并提取指定字段值

原始数据 #

需求说明 #

按Version列小数点前的前缀分组：

• Value取分组内Version字符串长度最长的行的Value值
• Name取分组内任意一行的Name值

实现代码 #

import pandas as pd

# 构建示例DataFrame
df = pd.DataFrame({
    'Date': ['Jan 1', 'Jan 2', 'Jan 1', 'Jan 2'],
    'Version': ['123.1', '123.23', '223.1', '623.23'],
    'Value': [3, 5, 6, 7],
    'Name': ['A', 'A', 'B', 'B']
})

# 提取Version前缀（小数点前部分）
df['Version Prefix'] = df['Version'].str.split('.').str[0]

# 计算每个Version的字符串长度
df['Version Length'] = df['Version'].str.len()

# 按前缀分组，取Version长度最长的行（先降序排序，再取每组第一行）
result = df.sort_values('Version Length', ascending=False)\
           .groupby('Version Prefix')\
           .first()\
           .reset_index()

# 保留需要的列
result = result[['Version Prefix', 'Value', 'Name']]

print(result)

输出结果 #

代码说明 #

1. 提取前缀：通过str.split('.').str[0]将Version字符串按小数点拆分，取第一部分作为分组依据。
2. 计算长度：用str.len()获取每个Version的字符串长度，用于筛选最长的条目。
3. 分组筛选：先按Version长度降序排序，确保每组中最长的条目排在首位；再按前缀分组，用first()获取每组的第一条数据，即对应最长Version的行。
4. 整理结果：只保留需求指定的三列，得到最终输出。

内容的提问来源于stack exchange，提问作者n179911a