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)
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
- neo4j - 对 200 GB 图形的查询
- oracle - Oracle 表级分区 - 按范围将 INTERVAL 添加到现有分区
- c - 如何像汇编语言一样在内部解析 for 循环?
- oop - 子类var初始化步骤和OOP结构设计
- r - 在 R 中:避免从多行中选择重复
- javascript - 通话时间过长后,承诺链正在重复
- git - 单独的 git 提交/拉取请求
- rust - 如何修复`未知语言项'panic_fmt'的定义`?
- apache-flink - 我在哪里可以找到我使用 Apache Flink 仪表板提交的 Apache Flink 服务器上的 jar
- c++ - 无法使用 strcpy 将字符串复制到静态结构成员