大数据的部分字符串匹配

`1.star t-shirt-large-red 2.star t-shirt-large-blue 3.star t-shirt-small-red 4.beautiful rainbow skirt small 5.long maxwell logan jeans- light blue -32L-28W 6.long maxwell logan jeans- Dark blue -32L-28W`

`df['onkey'] = 1 df1 = pd.merge(df[['name','onkey']],df[['name','onkey']], on='onkey') df1['list'] = df1.apply(lambda x:[x.name_x,x.name_y],axis=1) from os.path import commonprefix df1['COL1'] = df1['list'].apply(lambda x:commonprefix(x)) df1['COL1_num'] = df1['COL1'].apply(lambda x:len(x)) df1 = df1[(df1['COL1_num']!=0)] df1 = df1.loc[df1.groupby('name_x')['COL1_num'].idxmin()] df = df.rename(columns ={'name':'name_x'}) df = pd.merge(df,df1[['name_x','COL1']],on='name_x',how ='left')` `df['len'] = df['COL1'].apply(lambda x: len(x)) df['other'] = df.apply(lambda x: x.name_x[x.len:],axis=1) df['COL1'] = df['COL1'].apply(lambda x: x.strip()) df['COL1'] = df['COL1'].apply(lambda x: x[:-1] if x[-1]=='-' else x) df['other'] = df['other'].apply(lambda x:x.split('-')) df = df[['COL1','other']] df = pd.concat([df['COL1'],df['other'].apply(pd.Series)],axis=1)` ` COL1 0 1 2 0 star t-shirt large red NaN 1 star t-shirt large blue NaN 2 star t-shirt small red NaN 3 beautiful rainbow skirt small NaN NaN 4 long maxwell logan jeans light blue 32L 28W 5 long maxwell logan jeans Dark blue 32L 28W`

2条回答

网友

1楼 · 编辑于 2024-04-29 08:58:23

构造一个数据帧df，如下所示：

df = pd.DataFrame()
df = df.append(['1.star t-shirt-large-red'])
df = df.append(['2.star t-shirt-large-blue'])
df = df.append(['4.beautiful rainbow skirt small'])
df = df.append(['5.long maxwell logan jeans- light blue -32L-28W'])
df = df.append(['6.long maxwell logan jeans- Dark blue -32L-28W'])

df.columns = ['Product']

以下代码

（a）去掉所有空白

（b）按句点（'.'）拆分并获取后面的内容

（c）由于进一步的操作，将“t恤”替换为“t恤”（如果您想在手术后将其改回原处）

（d）用“-”再次拆分并展开以提供数据帧。在

^{pr2}$

输出：

                               0             1     2     3
0                    star tshirt         large   red  None
0                    star tshirt         large  blue  None
0  beautiful rainbow skirt small          None  None  None
0       long maxwell logan jeans   light blue    32L   28W
0       long maxwell logan jeans    Dark blue    32L   28W

考虑到您的产品在命名上的不一致性，会遗漏一些边缘案例（例如：beautiful rainbow skirt small）。你可能得再把它们捞出来。在

网友

2楼 · 编辑于 2024-04-29 08:58:23

一个简单易懂、调试和灵活扩展的解决方案如下：

考虑一下您的初始产品名保存在一个名为strings的列表中。在

然后，解决方案如下：

mydf = pd.concat([pd.DataFrame([make_row(row, 4)], columns=['COL1', 'COL2', 'COL3', 'COL4']) for row in strings],  ignore_index=True)

其中，我们将解析函数make_row定义为：

^{pr2}$

定义cols的第一行也可以是简单的cols = string.split('-')，在这种情况下，您可以使用以下命令进行格式化：

mydf.applymap(lambda x: x if pd.isnull(x) else str.strip(x))

现在在您的例子中，我看到您的一些产品名称中有一个连字符，在这种情况下，您可能需要提前对它们进行“清理”（或者在make_row内，如您所愿），使用类似于：

strings = [item.replace('t-shirt', 'tshirt') for item in strings]

示例输入：

strings = ['1.one-two-three', '2. one-two', '3.one-two-three-four', '4.one - two -three  -four ']

输出：

  COL1 COL2   COL3  COL4
0  one  two  three   NaN
1  one  two    NaN   NaN
2  one  two  three  four
3  one  two  three  four

问题数据的输出（在更正第4项的错误之后）：

                       COL1        COL2  COL3 COL4
0               star tshirt       large   red  NaN
1               star tshirt       large  blue  NaN
2               star tshirt       small   red  NaN
3   beautiful rainbow skirt       small   NaN  NaN
4  long maxwell logan jeans  light blue   32L  28W
5  long maxwell logan jeans   Dark blue   32L  28W

编辑：

如果您还想将项目“分组”，则可以：

a）在获得如上所述的数据帧之后，在列COL1上使用sort_values（pandas doc），以简单地逐个显示同一产品对应的行，或者

b）使用group_by来实际获得如下分组的数据帧：

grouped_df = mydf.groupby("COL1")

这样可以让每个组都这样：

grouped_df.get_group("star tshirt")

产生以下输出：

          COL1   COL2  COL3 COL4
0  star tshirt  large   red  NaN
1  star tshirt  large  blue  NaN
2  star tshirt  small   red  NaN

相关问题更多 >

编程相关推荐

热门问题

热门文章