在pandas中对齐两列字符串(递归合并字符串直到匹配)

uemypmqf 于 2023-04-10 发布在其他

关注(0)|答案(1)|浏览(115)

我有以下Pandasdf

import pandas as pd
df = pd.DataFrame(data={'col1': ["Sun", "Sea:", "SARS-COV-2", "Hong-Kong", "Fish", "NaN", "NaN", "NaN", "NaN", "NaN", "NaN", "NaN"],
                        'col2': ["Sun", "Sea", ":", "SARS", "-", "COV", "-", "2", 'Hong', '-', 'Kong', 'Fish'],
                        'col3': ["H", "Q", "S", "X", "Y", "Z", "L", "M", 'A', 'B', 'C', 'O']})
df

col1	col2	col3
太阳	太阳	H
海：	海	Q
SARS-COV-2	：	S
香港	SARS	X
鱼	- -	Y
NaN	COV	Z
NaN	- -	L
NaN	二	M
NaN	洪	A
NaN	- -	B
NaN	孔	C
NaN	鱼	O

我需要对齐col 1和col 2，如df 2所示

df2 = pd.DataFrame(data={'col1': ["Sun","Sea:", "SARS-COV-2", "Hong-Kong", "Fish"],
                        'col2': ["Sun", "Sea:", "SARS-COV-2", "Hong-Kong", "Fish"],
                        'col3': ["H", "Q", "X",  "A",'O']})
df2

col1	col2	col3
太阳	太阳	H
海：	海：	Q
SARS-COV-2	SARS-COV-2	X
香港	香港	A
鱼	鱼	O

也就是说，我必须递归地合并col 2的字符串，直到与col 1匹配，同时保留第一个col 3值
我最初的方法是使用嵌套循环，但它变得非常混乱。
有什么想法吗？先谢了

pandas

来源：https://stackoverflow.com/questions/75971833/align-two-columns-of-strings-in-pandas-merge-strings-recursively-until-match

1条答案

按热度按时间

6mzjoqzu1#

您可以将col1拆分为非字母数字字符'\W'，以获得与col2相同的输出：

# Assume NaN is np.nan and not 'NaN' else use .replace('NaN', np.nan).dropna()
grp = (df['col1'].dropna().str.split('(\W)').explode().loc[lambda x: x != ''])

df1 = df.groupby(grp.index).agg({'col2': lambda x: ''.join(x), 'col3': 'first'})
out = pd.concat([df['col1'].dropna(), df1], axis=1)

输出：

>>> out
         col1        col2 col3
0         Sun         Sun    H
1        Sea:        Sea:    Q
2  SARS-COV-2  SARS-COV-2    X
3   Hong-Kong   Hong-Kong    A
4        Fish        Fish    O

赞(0）回复(0）举报 2023-04-10

我来回答

在pandas中对齐两列字符串(递归合并字符串直到匹配)

1条答案

相关问题

热门标签

最新问答