时间戳

首页 > 解决方案 > 用另一个数据帧中的干净 str 替换混乱的 str

python - 用另一个数据帧中的干净 str 替换混乱的 str

问题描述

我有 2 组数据框，如果 df1['Fruits'] 包含 df2['Fruits'] 字符串，我想清理它

df1
Name    Fruits
--------------
Dina    Pineapple, [Y*]
Maria   PTC*, Apple
Johny   Durian, 1-6
Johny   5,6 Rambutan
Maria   Apple (Red), [Y] *
Dina    [Y] *, Peach88
Dina    Kiwi/Qiwi, PS*

df2
Fruits      tag
-------------
Apple       20
Pineapple   30
Rambutan    40
Durian      50
Apple (Red) 25
Peach88     55
Kiwi/Qiwi   25

我试过了

df1.loc[df1['Fruits'].contains(df2['Fruits']),'Fruits'] = df2['Fruits']

但它显示

“系列”对象没有“包含”属性

所以我期望得到的是

df1
Name    Fruits
--------------
Dina    Pineapple
Maria   Apple
Johny   Durian
Johny   Rambutan
Maria   Apple (Red)
Dina    Peach88
Dina    Kiwi/Qiwi

标签： pythonstringpandascontains

解决方案

使用pandas.Series.str.extract：

reg = '(%s)' % '|'.join(df2['Fruits'])
# Make regex expression using df2['Fruits']
df1['Fruits'] = df1['Fruits'].str.extract(reg)

输出：

    Name     Fruits
0   Dina  Pineapple
1  Maria      Apple
2  Johny     Durian
3  Johny   Rambutan

解释'(%s)' % '|'.join(df2['Fruits'])：

  • '|'.join(df2['Fruits']): 为正则表达式中的操作创建|分隔的单词。or退货Pineapple|Apple|Durian|Rambutan
  • (%s) % ...：这称为字符串格式化，相当于：
    • str.format: '({})'.format('|'.join(df2['Fruits'])),
    • 或更隐含（但不那么 Pythonic）'(' + '|'.join(df2['Fruits']) + ')'
    • 所有这些都返回(Apple|Pineapple|Rambutan|Durian)，一个捕获组，必须pd.Series.str.extract知道要提取什么。

推荐阅读