Сопоставить текст в другом кадре данных и заполнить пропущенные столбцы распознанным объектом - PullRequest
Новая
       16

Сопоставить текст в другом кадре данных и заполнить пропущенные столбцы распознанным объектом

2 голосов
/ 28 мая 2019

Я хочу заполнить отсутствующий Nan в кадре данных распознанными ключевыми словами из другого кадра данных. 

    import pandas as pd
import numpy as np
df1 = pd.DataFrame({'models': ['A3', '520', 'clio3', 'C3']})
df2 = pd.DataFrame({'description': ['I am selling a Citroen C3', 'I sell my Audi A3'], 'model': [np.nan, np.nan]})

Обновление : этот случай 

df2 = pd.DataFrame({'description': ['I am selling a BMW 520 with good condition', 'I sell my Audi very good', 'clio3 for sale'], 'model': [np.nan,'A3', np.nan]})

не должен заменять'A3'.

enter image description here

enter image description here

Ожидаемый результат

enter image description here

Ответы [ 2 ]

2 голосов
/ 28 мая 2019

Используйте s.str.extract() с рисунком: 

df2.model=df2.description.str.extract(r'({})'.format('|'.join(df1.models)),expand=False)
print(df2)

                 description model
0  I am selling a Citroen C3    C3
1          I sell my Audi A3    A3

Где: r'({})'.format('|'.join(df1.models)) дает '(A3|520|clio3|C3)'

2 голосов
/ 28 мая 2019

Решение, если необходимо, избегать извлечения значений в подстроках с word boundaries:

Использование Series.str.extract с регулярным выражением и границ слов с присоединенными значениями на | для регулярного выражения OR:

pat = '|'.join(r"\b{}\b".format(x) for x in df1['models'])
df2['model'] = df2['description'].str.extract('('+ pat + ')', expand=False)
print (df2)

                 description model
0  I am selling a Citroen C3    C3
1          I sell my Audi A3    A3

Разница : 

df2 = pd.DataFrame({'description': ['I am selling a Citroen C3', 
                                    'I sell my Audi A3', 
                                    'I sell my Audi A31']})


pat = '|'.join(r"\b{}\b".format(x) for x in df1['models'])
df2['model1'] = df2['description'].str.extract('('+ pat + ')', expand=False)

Решение без границ слов должно возвращать неверные совпадающие значения: 

pat = '|'.join(df1['models'])
df2['model2'] = df2['description'].str.extract('('+ pat + ')', expand=False)
print (df2)

                 description model1 model2
0  I am selling a Citroen C3     C3     C3
1          I sell my Audi A3     A3     A3
2         I sell my Audi A31    NaN     A3
...