pandas str. содержит точное совпадение подстроки, не работающей с регулярным выражением - PullRequest
Новая
       39

pandas str. содержит точное совпадение подстроки, не работающей с регулярным выражением

0 голосов
/ 07 апреля 2020

У меня есть два dataFrame, и я пытаюсь найти способ сопоставить точную подстроку одного фрейма данных с другим фреймом данных.

First DataFrame : 

import pandas as pd
import numpy as np

random_data = {'Place Name':['TS~HOT_MD~h_PB~progra_VV~gogl', 'FM~uiosv_PB~emo_SZ~1x1_TG~bhv'], 
              'Site':['DV360', 'Adikteev']}

dataframe = pd.DataFrame(random_data)
print(dataframe)

Второй фрейм данных 

test_data = {'code name': ['PB', 'PB', 'PB'], 
             'Actual':['programmatic me', 'emoteev', 'programmatic-mechanics'],
             'code':['progra', 'emo', 'prog']}

test_dataframe = pd.DataFrame(test_data)

Подход 

for k, l, m in zip(test_dataframe.iloc[:, 0], test_dataframe.iloc[:, 1], test_dataframe.iloc[:, 2]):

    dataframe['Site'] = np.select([dataframe['Place Name'].str.contains(r'\b{}~{}\b'.format(k, m), regex=False)], [l],
                                  default=dataframe['Site'])

Токовый выход такой, как показано ниже, хотя я ожидаю совпадения с точная подстрока, которая не работает с кодом выше.

Токовый выход 

Place Name                        Site
TS~HOT_MD~h_PB~progra_VV~gogl     programmatic-mechanics
FM~uiosv_PB~emo_SZ~1x1_TG~bhv     emoteev

Ожидаемый вывод 

Place Name                        Site
TS~HOT_MD~h_PB~progra_VV~gogl     programmatic me
FM~uiosv_PB~emo_SZ~1x1_TG~bhv     emoteev

Ответы [ 2 ]

1 голос
/ 07 апреля 2020

Данные 

import pandas as pd
 import numpy as np
 random_data = {'Place Name':['TS~HOT_MD~h_PB~progra_VV~gogl',
                                     'FM~uiosv_PB~emo_SZ~1x1_TG~bhv'], 'Site':['DV360', 'Adikteev']}
    dataframe = pd.DataFrame(random_data)

    test_data = {'code name': ['PB', 'PB', 'PB'], 'Actual':['programmatic me', 'emoteev', 'programmatic-mechanics'],
                 'code':['progra', 'emo', 'prog']}
    test_dataframe  = pd.DataFrame(test_data)

Отображение test_datframe code и Actual в словарь как key и value соответственно 

keys=test_dataframe['code'].values.tolist()

dicto=dict(zip(test_dataframe.code, test_dataframe.Actual))
dicto

Соедините ключи, разделенные | для включения поиска любой фразы 

k = '|'.join(r"{}".format(x) for x in dicto.keys())
k

Извлечение строки из кадра данных, встречающего любую из фраз в k, и сопоставление ее со словарем 

dataframe['Site'] = dataframe['Place Name'].str.extract('('+ k + ')', expand=False).map(dicto)
dataframe

Вывод

enter image description here

0 голосов
/ 07 апреля 2020

Не самое элегантное решение, но оно делает свое дело.

Настройка данных 

import pandas as pd
import numpy as np
random_data = {'Place Name':['TS~HOT_MD~h_PB~progra_VV~gogl',
                                'FM~uiosv_PB~emo_SZ~1x1_TG~bhv'], 'Site':['DV360', 'Adikteev']}

dataframe = pd.DataFrame(random_data)

test_data = {'code name': ['PB', 'PB', 'PB'], 'Actual':['programmatic me', 'emoteev', 'programmatic-mechanics'],
             'code':['progra', 'emo', 'prog']}

test_dataframe = pd.DataFrame(test_data)

Решение

Создание столбца в test_dataframe с подстрокой для соответствия: 

test_dataframe['match_str'] = test_dataframe['code name'] + '~' + test_dataframe.code

print(test_dataframe)

  code name                  Actual    code  match_str
0        PB         programmatic me  progra  PB~progra
1        PB                 emoteev     emo     PB~emo
2        PB  programmatic-mechanics    prog    PB~prog

Определить функцию, которая будет применяться к test_dataframe: 

def match_string(row, dataframe):
    ind = row.name
    try:
        if row[-1] in dataframe.loc[ind, 'Place Name']:
            return row[1]
        else:
            return dataframe.loc[ind, 'Site']
    except KeyError:
        # More rows in test_dataframe than there are in dataframe
        pass

# Apply match_string and assign back to dataframe
dataframe['Site'] = test_dataframe.apply(match_string, args=(dataframe,), axis=1)

Вывод: 

                      Place Name             Site
0  TS~HOT_MD~h_PB~progra_VV~gogl  programmatic me
1  FM~uiosv_PB~emo_SZ~1x1_TG~bhv          emoteev
...