如何解决如何合并列名相似的数据列 Pandas
我有一个包含许多相似列名的数据(基本上是拼写错误的单词),例如:
apple grapes apples bana apyles grayes graph banana
在这里,我想合并列“apple、apples、apyles”、“grapes、grayes、graph”和“bana、banana”。我该怎么做?
*编辑评论:
问。当您说“组合”时,您是什么意思。您可以包含示例输入和输出吗?
答案。
输入
apple grapes apples bana apyles grayes graph banana
1 2 3 4 5 6 7 8
apple grape banana
9 15 12
解决方法
使用 fuzzywuzzy
,您可以尝试以下操作。请注意,我可以用来使其工作的最佳 fuzz.ratio
是 70
:
import pandas as pd
from fuzzywuzzy import fuzz
l = []
correct = ['apple','grapes','banana']
cols = df.columns[df.columns.isin(correct)]
for col in cols:
l.append([c for c in df.columns if fuzz.ratio(col,c) > 70])
df = df.T.reset_index()
for i in range(len(correct)):
for j in l[i]:
df['index'] = df['index'].replace(j,correct[i])
df = df.groupby('index').sum().T
df
Out[1]:
index apple banana grapes
0 9 12 15
,
您不需要模糊分数的截止值。只使用最高的。
import pandas as pd
from fuzzywuzzy import fuzz
df = pd.DataFrame({'fruit':['apple','apples','bana','apyles','grayes','graph','banana'],'count':[1,2,3,4,5,6,7,8]})
choices = ['apples','bananas']
transl ={el2:max([(fuzz.ratio(el1,el2),el1) for el1 in choices])[1] for el2 in df['fruit'] }
df = df.replace({'fruit': transl}).groupby(['fruit'])['count'].sum()
print(df)
输出:
fruit
apples 9
bananas 12
grapes 15
Name: count,dtype: int64
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。