Pandas Dataframe 中的部分字符串匹配

Question

我有一个 dataframe 包含一个字符串列，其中包含几个不同的 4 个字符，可以用|分隔或& ，但并非总是如此。 我正在尝试为每个离散的 4 个字符项目 map 一个字典，但遇到了问题。 pandas 版本 23.4

我尝试使用的基本代码：

df = df.replace(dict, regex=True)

或者如果尝试 select 一个特定的列：

df['Col'] = df['Col'].replace(dict, regex=True)

两者都引发以下错误：

ValueError: The truth value of an array with more that one element is ambiguous. Use a.any() or a.all()

字典的值是类型list 。 这会是执行.replace的问题吗？

使用示例 df 和 dict 更新

 ID       Code
ABCD      00FQ
JKFA    8LK9|4F5H
QWST    2RLA|R1T5&8LK9


dict={'00FQ':['A','B'], '8LK9':['X'], '4F5H':['U','Z'], '2RLA':['H','K'], 'R1T5':['B','G'] }

字典中的元素将比 dataframe 中的元素更多。

使用预期的 output 更新

 ID       Code           Logic
ABCD      00FQ          ['A','B']
JKFA    8LK9|4F5H       ['X'] | ['U','Z']
QWST    2RLA|R1T5&8LK9  ['H','K'] | ['B','G'] & ['X']

总体目标是在两个数据帧上执行此替换，然后比较两侧的ID's是否相等。

Answer 1

dict 中定义的正则表达式可能与 dataframe 的多行匹配，并且 python 对从 dict 中获取哪个替换值感到困惑。

并且，当检查 numpy 数组的 boolean 值时，此错误被迫避免用户猜测。 如果你认为一个元素数组是 True

• 它的任何元素都是 True 或
• 它的所有元素都是 True 或
• 别的东西。

因此它会抛出此错误以允许程序员明确提及它。

Go 在这里进行更多说明。

Answer 2

这是一个 function 它将允许您从字符串中解析相关值：

def string_to_list(string):
    """
    parses a parent string for 4 character children strings
    returns a list of children strings
    """
    # instantiate values
    child = ''
    children = []

    if len(string)<4:
        return None

    for n in string:
        # skip if not wanted
        if n in ['|','&']:
            continue

        child+=n
        if len(child)==4:
            children.append(child)
            child = ''

    # finished
    return children

应用它来提取值列表，如下所示：

df['Code_List'] = df['Code'].apply(string_to_list)

Map 到相关logic值：

# Instantiate the dictionary of logic rules
logic_dict = {'00FQ':['A','B'], '8LK9':['X'], '4F5H':['U','Z'], '2RLA':['H','K'], 'R1T5':['B','G'] }

# Map the logic rules
df['Logic_List'] = df['Code_List'].apply(lambda arr: [logic_dict[x] for x in arr])

# Final output
    ID      Code            Code_List           Logic_List
0   ABCD    00FQ            [00FQ]              [[A, B]]
1   JKFA    8LK9|4F5H       [8LK9, 4F5H]        [[X], [U, Z]]
2   QWST    2RLA|R1T5&8LK9  [2RLA, R1T5, 8LK9]  [[H, K], [B, G], [X]]