我有一个需要标准化的存储名称数据框架。例如McDonalds 1234 LA
->McDonalds
import pandas as pd
import re
df = pd.DataFrame({'id': pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10],dtype='int64',index=pd.RangeIndex(start=0, stop=10, step=1)), 'store': pd.Series(['McDonalds', 'Lidl', 'Lidl New York 123', 'KFC ', 'Taco Restaurant', 'Lidl Berlin', 'Popeyes', 'Wallmart', 'Aldi', 'London Lidl'],dtype='object',index=pd.RangeIndex(start=0, stop=10, step=1))}, index=pd.RangeIndex(start=0, stop=10, step=1))
print(df)
id store
0 1 McDonalds
1 2 Lidl
2 3 Lidl New York 123
3 4 KFC
4 5 Taco Restaurant
5 6 Lidl Berlin
6 7 Popeyes
7 8 Wallmart
8 9 Aldi
9 10 London Lidl
假设我想标准化Lidl存储。标准名称将只是“Lidl”
我想找到Lidl在数据框中的位置,并创建一个新列df['standard_name']
,然后在那里插入标准名称。但是我无法理解这一点
我将首先创建插入标准名称的列:
d['standard_name'] = pd.np.nan
然后搜索Lidl的实例,并将清理后的名称插入standard_name
首先,计划使用str.contains
,然后将标准值设置为新列:
df[df.store.str.contains(r'\blidl\b',re.I,regex=True)]['standard'] = 'Lidl'
print(df)
id store standard_name
0 1 McDonalds NaN
1 2 Lidl NaN
2 3 Lidl New York 123 NaN
3 4 KFC NaN
4 5 Taco Restaurant NaN
5 6 Lidl Berlin NaN
6 7 Popeyes NaN
7 8 Wallmart NaN
8 9 Aldi NaN
9 10 London Lidl NaN
没有插入任何内容。我只检查了str.contains
代码,发现所有代码都返回false:
df.store.str.contains(r'\blidl\b',re.I,regex=True)
0 False
1 False
2 False
3 False
4 False
5 False
6 False
7 False
8 False
9 False
Name: store, dtype: bool
我不知道这里发生了什么
我想要的是这样填写的标准化名称:
id store standard_name
0 1 McDonalds NaN
1 2 Lidl Lidl
2 3 Lidl New York 123 Lidl
3 4 KFC NaN
4 5 Taco Restaurant NaN
5 6 Lidl Berlin Lidl
6 7 Popeyes NaN
7 8 Wallmart NaN
8 9 Aldi NaN
9 10 London Lidl Lidl
我将尝试标准化数据集中的大多数企业名称,如麦当劳、汉堡王等。任何帮助都将不胜感激
另外,这是最快的方法吗?有数百万行要处理
如果要设置新列,可以将^{} 与
case=False
或re.I
一起使用:注意:
d['standard_name'] = pd.np.nan
不是必需的,您可以忽略它或者可以使用另一种方法-^{} :
相关问题 更多 >
编程相关推荐