等效於 Python Pandas 中的 Excel IFS/搜索功能，具有 1 個值和多個條件

Question

以下是我正在使用的 Excel 工作表的示例：

產品類別	零件號	描述	尺寸
桿	R-SS-001
桿	R-SS-002
桿	R-SS-003
桿	R-SS-004
桿	R-SS-005
桿	R-SS-006
堅果	N-150	不銹鋼 1" 螺母
堅果	N-151	不銹鋼 2" 螺母
堅果	N-152	不銹鋼 3" 螺母
墊圈	W-101	不銹鋼 1" 墊圈
墊圈	W-102	不銹鋼 2" 墊圈
墊圈	W-103	不銹鋼 3" 墊圈

我要做的是從 Part_Number 中獲取“桿”的尺寸，從描述中獲取“螺母/墊圈”的尺寸。 在 Excel 中，我將使用 IFS、搜索和左/中/右功能的組合。

我能夠單獨找到產品類型的尺寸，但無法連接到產品類型。

如：

“如果 Product_Type 等於 Rod，則搜索 Part_Number 和 output 到 Size”

或者

“如果 Product_Type 等於 Nut 或 Washer，則搜索 Description 和 output 到 Size”

對於 Rod，我使用以下代碼：

conditions = [
df.loc[df['Part_Number'].str.contains('-001'), 'Size'] == '1"',
df.loc[df['Part_Number'].str.contains('-002'), 'Size'] == '2"',
df.loc[df['Part_Number'].str.contains('-003'), 'Size'] == '3"',
df.loc[df['Part_Number'].str.contains('-004'), 'Size'] == '4"',
df.loc[df['Part_Number'].str.contains('-005'), 'Size'] == '5"',
df.loc[df['Part_Number'].str.contains('-006'), 'Size'] == '6"',
]
df['Size'] = np.select(df[Product_Type] == "Rod", conditions, '')

對於螺母/墊圈，我使用以下代碼：

df_2 = df['Descritpion'].str.extract(r'(?:\s([\d+]?\.?[\d+])")', expand=False)
df['Size'] = np.where(df['Product_Type'] == "Nut" or df['Product_Type'] == "Washer", df_2, '')

對於這兩個代碼，我都收到以下錯誤：

ValueError：案例列表的長度必須與條件列表的長度相同

這是因為只有一個值（Rod）和多個條件（大小）是否正確？

如何結合 str.extract 和 str.contains？

Answer 1

這將對您的np.select()示例稍作更改。 要做的關鍵是確保您的條件和替換都是相同長度的列表。

conditions = [
    df['Product_Type'] == 'Rod',
    df['Product_Type'] == 'Nut',
    df['Product_Type'] == 'Washer'
]

replacements = [
    df['Part_Number'].str.extract(r'-(\d+)$', expand=False),
    df['Description'].str.extract(r'(\d+)"', expand=False),
    df['Description'].str.extract(r'(\d+)"', expand=False),
]

df['Size'] = np.select(conditions, replacements, default=None).astype(int)

這給了我這個結果，在你的 dataframe 上：

   Product_Type Part_Number                Description  Size
0           Rod    R-SS-001                        NaN     1
1           Rod    R-SS-002                        NaN     2
2           Rod    R-SS-003                        NaN     3
3           Rod    R-SS-004                        NaN     4
4           Rod    R-SS-005                        NaN     5
5           Rod    R-SS-006                        NaN     6
6           Nut       N-150     Stainless Steel 1" Nut     1
7           Nut       N-151     Stainless Steel 2" Nut     2
8           Nut       N-152     Stainless Steel 3" Nut     3
9        Washer       W-101  Stainless Steel 1" Washer     1
10       Washer       W-102  Stainless Steel 2" Washer     2
11       Washer       W-103  Stainless Steel 3" Washer     3

作為更靈活的替代方法，還有.apply(..., axis=1)作為將 function 應用於每一行的一種方式。 然而，這種靈活性是以速度為代價的。