從 DataFrame 中提取字符串，與上一列連接並與另一列 DataFrame 合並

Question

我有兩個 csv 文件/Pandas Dataframes 組織起來像

Sheet ID         Issue                                             Obs
P012CR0409F1-1,  P012CR0409F1-1-04, P012CR0409F1-1-05 crop again,
P012CR0427F1-1,  Missing image 08                               ,
P012V006-0018 ,  Missing images 01, 04, 05, 09                  ,

和

Image ID           Value1     Value2
P012CR0427F1-1-01  0.85839    0.76264

我需要最終得到一個 dataframe ，它本質上是第二個，還有兩個額外的 boolean 列： crop again and missing 。

因此，對於第一個新列，計划是再次使用(?P<crop>[\w-]+)(?=(?:\s*,\s*[\w-]+)*\s+crop again)以隔離圖像代碼，並為第二個(??Missing? images?) (?P<missing>\d{2})隔離缺失的索引。

我正在努力解決如何 1. 將缺失的索引與它們的工作表 ID 連接起來以獲取缺失的圖像代碼和 2. 在最后一個 dataframe 中加入所有這些。 我在 2D Pandas 方面並不可怕，但extractall function 返回一個 MultiIndex object，我無法真正理解如何操作。

非常感謝，

Answer 1

所以我最終做的是：

df = pd.read_csv("./First.csv", names=["id", "issue", "obs"])
df["crop"] = df["issue"].str.findall(
    r"(?P<crop>[\w-]+)(?=(?:\s*,\s*[\w-]+)*\s+crop again)"
)
df["missing"] = df["issue"].str.findall(
    r"(?!Missing images?) (?P<missing>\d{2})"
)
df = df.explode("crop")
df = df.explode("missing")
df["missing"] = df["id"] + "-" + df["missing"]
crop = df["crop"].dropna()
missing = df["missing"].dropna()

從那里我將兩者都用作系列，但可以直接在 Second.csv 中檢查它們並添加 boolean 列。