Pandas Dataframe 中的部分字符串匹配

Question

我有一個 dataframe 包含一個字符串列，其中包含幾個不同的 4 個字符，可以用|分隔或& ，但並非總是如此。 我正在嘗試為每個離散的 4 個字符項目 map 一個字典，但遇到了問題。 pandas 版本 23.4

我嘗試使用的基本代碼：

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

或者如果嘗試 select 一個特定的列：

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

兩者都引發以下錯誤：

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

字典的值是類型list 。 這會是執行.replace的問題嗎？

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'] }

字典中的元素將比 dataframe 中的元素更多。

使用預期的 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']

總體目標是在兩個數據幀上執行此替換，然后比較兩側的ID's是否相等。

Answer 1

dict 中定義的正則表達式可能與 dataframe 的多行匹配，並且 python 對從 dict 中獲取哪個替換值感到困惑。

並且，當檢查 numpy 數組的 boolean 值時，此錯誤被迫避免用戶猜測。 如果你認為一個元素數組是 True

• 它的任何元素都是 True 或
• 它的所有元素都是 True 或
• 別的東西。

因此它會拋出此錯誤以允許程序員明確提及它。

Go 在這里進行更多說明。

Answer 2

這是一個 function 它將允許您從字符串中解析相關值：

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

應用它來提取值列表，如下所示：

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

Map 到相關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]]