[英]Replacing a column in a dataframe with another dataframe column using partial string match
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。
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
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
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.