时间戳

首页 > 解决方案 > 如何使用对另一列值的测试来填充 pandas 数据框列？

pandas - 如何使用对另一列值的测试来填充 pandas 数据框列？

问题描述

在我问我的问题之前，我应该说我认为我完全错过了一个简单的解决方案。我在谷歌上搜索了答案并接近但并不完全符合我的需要。

我正在尝试找到一种方法来检查数据框的一列中的值，并使用基于该第一列的 4 个值之一填充另一个新列。

我已经尝试做几件事来了解我正在做的事情。由于我的“outcome_notes”列没有标准化结果，我希望将结果标准化为 4 类：

完成 待定 未完成 已取消

我可以尝试这样做：

df1['outcome'].map({'complete': 'Complete', 'incomplete': 'Incomplete', 'Pending': 'Pending'})

但在我的完整数据集中大约有 200 个唯一值。

我也尝试过使用它，但不确定如何让它填充列：

df1[df1['outcome_notes'].str.contains(r'\bcomplete', na=False)]

我尝试使用此选择创建新的数据框，然后将它们全部合并，但它最终提供了数千个额外的行。

我一直在为 if then 语句而苦苦挣扎，但我担心我的 python 技能会成功，所以我实际上不知道如何正确设计这个逻辑。

import pandas as pd
d  = {'id': ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10'], 'outcome_notes': ['complete', 'pending', 'incomplete', 'canceled', 'completed', 'complete', '', 'completed -- doctor says', 'canceled due to doctor', '']}

df1 = pd.DataFrame(data=d)

我真的很想要一个看起来像这样的数据框：

d  = {'id': ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10'], 'outcome_notes': ['complete', 'pending', 'incomplete', 'canceled', 'completed', 'complete', '', 'completed -- doctor says', 'canceled due to doctor', ''], 'outcome': 'Complete', 'Pending', 'Incomplete', 'Canceled', 'Complete', 'Complete', '', 'Complete', 'Canceled', '']}

df1 = pd.DataFrame(data=d)

标签： pandasdataframecontainscalculated-columns

解决方案

请注意，这是基于您的outcome_notes.str.findall

s=df1.outcome_notes
df1['New']=s.str.findall('|'.join(s.iloc[:4])).str[0]
df1
Out[449]: 
   id             outcome_notes         New
0   1                  complete    complete
1   2                   pending     pending
2   3                incomplete  incomplete
3   4                  canceled    canceled
4   5                 completed    complete
5   6                  complete    complete
6   7                                   NaN
7   8  completed -- doctor says    complete
8   9    canceled due to doctor    canceled
9  10                                   NaN

模糊匹配

from fuzzywuzzy import process
a=s.iloc[:4]
matchdf=pd.DataFrame(s.map(lambda x : process.extract(x, a, limit=1)).str[0].tolist(),index=df1.index)
df1['New2']=matchdf.loc[matchdf[1]>60,0]
df1
Out[482]: 
   id             outcome_notes         New        New2
0   1                  complete    complete    complete
1   2                   pending     pending     pending
2   3                incomplete  incomplete  incomplete
3   4                  canceled    canceled    canceled
4   5                 completed    complete    complete
5   6                  complete    complete    complete
6   7                                   NaN         NaN
7   8  completed -- doctor says    complete    complete
8   9    canceled due to doctor    canceled    canceled
9  10                                   NaN         NaN

推荐阅读