Excel子组由子串

Question

我非常擅长Python的机器学习功能。我想分组，即根据行中的特定文本创建一个集群。在中，有3列Sr no，Name和Summary。我想根据摘要文本中的特定值创建一个群集，即如果摘要包含文本＆＃34; Veg ＆＃34;那么它应该是在一个群集中，如果文本包含＆＃34; 非素食 ＆＃34;，则它应该在另一个群集中。预期输出，其中第三列将包含聚类值。 所有素食被分组到群集0和非素食群集到群集1

K-means可以为我解决这个问题。但是如何根据摘要中的文本进行聚类。请帮助。提前谢谢。

Answer 1

我会比评论中的建议更进一步，并说你不需要使用Python来完成这项任务。为什么不在cluster列中包含以下公式：

=IF(ISNUMBER(SEARCH("non veg", D3)), 1, IF(ISNUMBER(SEARCH("veg", D3)), 0, -1))

假设你的故事的左上角是B2，这是第一行中的公式（即在表格的单元格E3中）。这对于包含non veg的任何单元格应为0，对于包含veg的单元格应为1，对于任何不包含{0}的行都应为-1。

你可以按照@ juanpa.arrivillaga的建议在Python中做类似的事情，但是如果你的输入和所需的输出是excel，并且在excel中有一个简单的方法，我会建议＆ ＃39;最简单的选择。

Answer 2

您可以使用xlrd来读取Excel文件。

您也可以使用pandas来阅读Excel文件。

以下演示使用pandas

步骤

1. 阅读Excel文件并从中创建Dataframe。 pandas.read_excel方法。

2. 根据每行Summary值编写一个返回簇号的函数。

   Input to this function is row output is 0(Vegetarian), 1(Non Vegetarian), -1(not define)

3. 将此功能应用于Dataframe的每一行。

4. 通过pandas.to_excel方法将最终输出写回Excel文件。

<强>码

>>> import pandas as pd
>>> a = "43583564_input.xlsx"
>>> df = pd.read_excel(a)
>>> df
   sr. no Name              Summary
0       1   T1      I am Vegetarian
1       2   T2  I am Non Vegetarian
2       3   T3  I am Non Vegetarian
3       4   T4      I am Vegetarian
4       5   T5  I am Non Vegetarian
>>> def getCluster(row):
...     if row["Summary"]=="I am Non Vegetarian":
...         return 1
...     elif row["Summary"]=="I am Vegetarian":
...         return 0
...     else:
...         return -1
... 
>>> df["Cluster"] = df.apply(getCluster, axis=1)
>>> df
   sr. no Name              Summary  Cluster
0       1   T1      I am Vegetarian        0
1       2   T2  I am Non Vegetarian        1
2       3   T3  I am Non Vegetarian        1
3       4   T4      I am Vegetarian        0
4       5   T5  I am Non Vegetarian        1
>>> df.to_excel("43583564_output.xlsx")