Question

我有一个很长的数据集，存储为一个数据框。我正在查看的列称为“国家”。此专栏包含许多国家。问题是我想将各种值更改为“ USA”。我试图改变的价值观是我们美国美国等等我经历了太多的变化和错别字（超过100个）。有没有更简单的方法来更改这些值？由于数据集中还有其他国家/地区，因此我不能仅将所有值更改为美国

Answer 1

您可以做的一件事就是坚持每个单词的第一个字母。对于所有实例，第一个字母为U，对于第二部分（如果拆分整个字符串）为S。在这里，我使用的是正则表达式包，该包通常在您处理文本时使用。

Import re   
Split_parts = [re.split(r'[^A-Z,^a-z]', i) for i in df['country']]

上面的代码行根据任何非字母字符（例如，句点，逗号，分号等）分割字符串。拆分后，您可以创建一个for循环，如果第一个字符分别为U和S，则该循环将生成True和False元素。

value= []
for i in Split_parts:
    if i[0][0] in ['u','U'] and  i[1][0] in ['s','S']:
        value.append(True)
    else:
        value.append(False)

之后，您可以将字符串替换为所需的字符串（即美国）：

for i in range(len(value)):
    if value[i]==True:
        df['country'][i]='USA'

世界上唯一将U和S分别作为单词首字母的国家是美国。这里的解决方案不能解决您可能遇到的所有问题。对于每个人，您都必须寻找差异。

用凌乱的数据替换列中的某些值

1 个答案: