背景: 我有两列:“地址”和“原始数据”。数据集如下所示: this is just a sample I made up, the original dataset is over 6m rows and in a different language
问题: 我需要找到“地址”和“原始数据”不匹配的所有数据,这意味着在将数据从“地址”登录到“原始数据”时出现了一些错误
我对熊猫还不太熟悉。我的计划是用逗号分隔“原始数据”列,然后将新生成的列与原始“地址”列进行比较(查看“地址”列是否包含这些信息,如果没有,则表示有错误?)
就像我说的,我对熊猫还不熟悉,这就是我目前所拥有的
import pandas as pd
columns = ['address', 'raw_data']
df=pd.read_csv('address.csv', usecols=columns)
df = pd.concat([df['address'], df['raw_data'].str.split(',', expand=True)], axis=1)
现在新的专栏有这样的信息:“城市”:“亚特兰大”。我想把亚特兰大列成没有所有冒号和“城市”的列,以便将信息与“地址”列进行比较。 我该怎么继续呢
另外,在我的熊猫学习经历中,我还不知道如何比较这两个专栏。有人能帮一个新手吗?非常感谢
PS:通过比较两列,我的意思是检查一列是否有第二列中的字符,而不是检查两列是否相等。我只想指出这一点
只需将它们视为
dict
,就可以将它们与,
分开。可以使用apply函数将自定义函数映射到列。在本例中,您定义了一个函数,该函数访问字典的键并提取值这些行将在dict中创建每个字段的列,然后您可以比较以下字段:
我将使用以下数据:
我将在另一个df(df2)中从原始数据(使用.values.tolist())中分离列:
要进行比较,请使用:
如果需要将其保存在原始df中,可以添加一列:
相关问题 更多 >
编程相关推荐