Python DF 问题根据列值匹配

如何解决Python DF 问题根据列值匹配

我有一个很大的 DF。如下所示的片段。

SrNo | Merchant | Revenue | Currency

1    | UBER SR  | 123     | INR

2    | UBER (SR)| 123     | INR

3    | SR UBER  | 123     | INR

4    | ZOMATO SR| 123     | INR

5    | ZOMATOSR | 123     | INR

6    |12FLIPAKRT| 123     | INR

7    | FLIPKART | 123     | INR

我的输出应该是这样的：

SrNo | Merchant | Revenue | Currency |Merchant_Flag

1    | UBER SR  | 123     | INR      | UBER

2    | UBER (SR)| 123     | INR      | UBER

3    | SR UBER  | 123     | INR      | UBER

4    | ZOMATO SR| 123     | INR      | ZOMATO

5    | ZOMATOSR | 123     | INR      | ZOMATO

6    |12FLIPAKRT| 123     | INR      | FLIPKART

7    | FLIPKART | 123     | INR      | FLIPKART

说明：我想添加一个附加列，该列应具有与 Merchant 列对应的值，即如果 Merchant 列的值中包含 UBER，则 Merchant_Flag 应为 UBER，对于其他 ZOMATO、FLIPKART 也是如此。

我的数据集很大。我尝试使用 re.search 然后使用 if 和 else 替换我的条件，这给了我性能问题。 另一个解决方案，我试过使用 .loc

df.loc[df['columnname'].str.contains('')]。不知道如何继续。有人可以帮忙吗。

解决方法

如果您知道可能存在哪些商家，那么您可以使用以下方法：

merchants = ['UBER','ZOMATO','FLIPKART']

for merchant in merchants:
    df.loc[df["Merchant"].str.contains(merchant),"Merchant_Flag"] = merchant

,

我会使用 pandas.DataFrame.applymap 方法，在对对象执行迭代操作而不是编写简单的 for/while 时，使用内置方法在性能方面总是（作为经验法则）更好在python中循环。这样您就可以避免多次调用 pandas.DataFrame.loc 访问器的开销。

import re # import regex matching

df = pd.DataFrame({"Merchant":["UBER SR","SR UBER","ZOMATO SR","12FLIPKART"]})

# Use applymap to quickly iterate over the whole dataframe
df["Merchant_Flag"] = df.applymap(lambda x: re.search(r"UBER|ZOMATO|FLIPKART",x).group(0))

（注意： .group(0) 用于选择 re.search 的第一个匹配项）

输出：

     Merchant Merchant_Flag
0     UBER SR          UBER
1     SR UBER          UBER
2   ZOMATO SR        ZOMATO
3  12FLIPKART      FLIPKART

---

编辑

如果您不知道所有商家的名称，则需要稍微修改传递给 applymap 的函数：

import re # import regex matching

# Function definition
def match_merchant(elem,reg):
    # Match 
    m = re.search(reg,elem)
    if m != None:
        # Return first match if we got a match
        return m.group(0)
    else:
        # Here you may specify exactly what it is you want to return: None,empty String...
        return None 
    
df = pd.DataFrame({"Merchant":["UBER SR","12FLIPKART","CABIFY"]})

# Merchants you want to match
regex = r"UBER|ZOMATO|FLIPKART"

# Use applymap to quickly iterate over the whole dataframe
df["Merchant_Flag"] = df.applymap(lambda x: match_merchant(x,regex))

输出：

     Merchant Merchant_Flag
0     UBER SR          UBER
1     SR UBER          UBER
2   ZOMATO SR        ZOMATO
3  12FLIPKART      FLIPKART
4      CABIFY          None