我有一个按日期戳排序的数据集，如下所示：
user message
A Hi.
B Hello.
B How are you?
A I am stuck.
B How can I help you?
我想要的是创建一个看起来像这样的熊猫 df：
user message reply
A Hi. Hello.
A Hi. How are you?
B Hello. I am stuck.
B How are you? I am stuck.
A I am stuck. How can I help you?
对于每条消息，我想找到所有的回复。这意味着我想要在当前消息之后但来自其他用户的消息。我怎么能用熊猫做到这一点？让我们只考虑 2 个用户 A 和 B 的二元情况。
首先，找出用户切换的时间，并给每个消息组一个单独的id：
df['group_id'] = ((df['user'] != df['user'].shift()).cumsum())
user message group_id
A Hi. 1
B Hello. 2
B How are you? 2
A I am stuck. 3
B How can I help you? 4
然后groupby每个 group_id 并聚合每个 id 的消息列表。通过将这些消息移动 -1，我们会收到每个 group_id 的回复：
df_reply = df.groupby('group_id')['message'].agg(list)
df_reply = df_reply.shift(-1).reset_index().rename(columns={'message': 'reply'})
group_id reply
1 [Hello., How are you?]
2 [I am stuck.]
3 [How can I help you?]
4 NaN
然后可以将回复合并回原始数据帧。回复列表被分解以确保每行有一个回复：
df.merge(df_reply, on='group').explode('reply').drop('group', axis=1).dropna()
最终结果：
user message reply
A Hi. Hello.
A Hi. How are you?
B Hello. I am stuck.
B How are you? I am stuck.
A I am stuck. How can I help you?