使用部分字符串匹配將 dataframe 中的列替換為另一個 dataframe 列

Question

我有帶有以下示例數據框的大型 CSV：

df1 = 
Index    Fruit   Vegetable    
    0    Mango   Spinach
    1    Berry   Carrot
    2    Banana  Cabbage   

df2 = 
Index   Unit                   Price
   0    Mango_123              30
   1    234_Artichoke_CE       45
   2    23_Banana              12
   3    Berry___LE             10
   4    Cabbage___12LW         25
   5    Rice_ww_12             40
   6    Spinach_KJ             34
   7    234_Carrot_23          08
   8    10000_Lentil           12
   9    Pot________12          32

我想替換 df2 中的名稱來替換 df1 中的名稱以創建以下 dataframe：

df3= 
Index    Fruit        Vegetable    
    0    Mango_123    Spinach_KJ
    1    Berry___LE   234_Carrot_23
    2    23_Banana    Cabbage___12LW

這樣做的通用方法是什么？ 謝謝你。

Answer 1

您可以將模糊匹配與thefuzz.process.extractOne一起使用，它將使用Levenshtein Distance計算最接近的匹配：

# pip install thefuzz

from thefuzz import process

cols = ['Fruit', 'Vegetable']
df1[cols] = df1[cols].applymap(lambda x: process.extractOne(x, df2['Unit'])[0])

output：

   Index       Fruit       Vegetable
0      0   Mango_123      Spinach_KJ
1      1  Berry___LE   234_Carrot_23
2      2   23_Banana  Cabbage___12LW

Answer 2

使用列表推導可以更好地解決您的問題：

fruit_list = [df2.Unit[df2.Unit.str.contains(x)].values[0] for x in df1.Fruit.tolist()]
vegetable_list = [df2.Unit[df2.Unit.str.contains(x)].values[0] for x in df1.Vegetable.tolist()]

上面的代碼將創建兩個列表，一個將從 df2 中提取所有水果，而另一個將對蔬菜執行相同的操作。 然后，創建一個新的 df 並執行以下操作：

df3 = pd.DataFrame(columns=["Fruit", "Vegetable"])
df3["Fruit"] = fruit_list
df3["Vegetable"] = vegetable_list