如何在Pandas中按字符串部分内容分组并构建新DataFrame

看起来你想从列A的字符串里提取string_xxx这样的部分作为分组依据，然后把每组的B列文本用换行合并成新的DataFrame。你之前的尝试用了str.contains，得到的是布尔值的分组对象，这和你的需求不太匹配，咱们来调整一下：

步骤分解 #

1. 提取分组键：用正则表达式从列A中提取出string_数字格式的部分，这会作为我们的分组依据。
2. 分组聚合：用提取到的分组键对原DataFrame分组，然后把每组的B列内容用\n\n连接起来。
3. 转换为目标DataFrame：把聚合后的结果整理成你想要的结构。

完整代码示例 #

import pandas as pd

# 原DataFrame
df = pd.DataFrame([
    {'A': 'string_300_bla1', 'B': "Hi", 'C': 3},
    {'A': 'string_300_blaa2', 'B': "Hello", 'C': 4},
    {'A': 'string_487_blaaa1', 'B': "nice", 'C': 9},
    {'A': 'string_487_blaaa2', 'B': "day", 'C': 6}
])

# 1. 从A列提取分组键（string_xxx格式）
df['group_key'] = df['A'].str.extract(r'(string_\d+)')

# 2. 按分组键分组，合并B列内容
result = df.groupby('group_key')['B'].agg('\n\n'.join).reset_index()

# 3. 重命名列，匹配期望的输出格式
result.columns = ['A', 'B']

print(result)

输出结果 #

运行后会得到你期望的DataFrame：

A          B
0  string_300  Hi\n\nHello
1  string_487  nice\n\nday

关键说明 #

• str.extract(r'(string_\d+)')：正则表达式里的括号表示捕获组，\d+匹配一个或多个数字，这样就能精准提取出string_xxx部分。
• groupby('group_key')['B'].agg('\n\n'.join)：按分组键分组后，对B列应用字符串连接操作，用\n\n分隔每个元素。
• reset_index()：把分组后的索引转换成普通列，方便后续重命名。

内容的提问来源于stack exchange，提问作者ladybug