Question

我对熊猫的掌握很弱，对Python没有很强的理解。

我想根据现有列（d.Alias和d.Company）的值更新列（d2.Alias）。如果d.Alias是d2.Alias的子字符串，则d2.Alias应等于d.Company。

示例数据集：

d = {'Company': ['The Cool Company Inc', 'Cool Company, Inc', 'The Cool 
        Company', 'The Shoe Company', 'Muffler Store', 'Muffler Store'],
    'Position': ['Cool Job A', 'Cool Job B', 'Cool Job C', 'Salesman', 
        'Sales', 'Technician'],
    'City': ['Tacoma', 'Tacoma','Tacoma', 'Boulder', 'Chicago', 'Chicago'],
    'State': ['AZ', 'AZ', 'AZ', 'CO', 'IL', 'IL'],
    'Alias': [np.nan, np.nan, np.nan, np.nan, np.nan, np.nan]}
d2 = {'Company': ['The Cool Company, Inc.', 'The Shoe Company', 'Muffler 
         Store LLC'],
    'Alias': ['Cool Company', np.nan, 'Muffler'],
    'First Name': ['Carol', 'James', 'Frankie'],
    'Last Name': ['Fisher', 'Smith', 'Johnson']}

np.nan的{{1}}是因为对于该实例，不需要别名。

我尝试过使用The Shoe Company，.loc循环，for循环，while，pandas.where，以及每种循环的几种变体，但没有理想的结果。使用numpy.where循环时，for的末尾已复制到d2.Alias中的所有行。但是，我无法重现这一点。

以前的帖子，我看过哪些我无法上班，或者我对它们不了解：Conditionally fill column with value from another DataFrame based on row match in Pandas pandas create new column based on values from other columns

非常感谢任何帮助！

编辑：

Expected output

更新：
经过几天的修修补补，我达到了预期的效果。在温的回应中，我不得不改变一些事情。

首先，我创建了一个名为d.Alias的{{1}}列表：
df2.Alias

然后，我不得不删除aliases。产生我想要的结果的线：
aliases = df2.Alias.unique()。

Answer 1

一种方法是遍历你可能会小得多的数据帧，只是看看别名何时是d.Company的子字符串，然后用它替换别名。

import pandas as pd
d = pd.DataFrame(d)
d2 = pd.DataFrame(d2)

for row in d2[d2.Alias.notnull()].itertuples():
    d.loc[d.Company.str.contains(row.Alias), 'Alias'] = row.Alias

print(d)
#          Alias     City               Company    Position State
#0  Cool Company   Tacoma  The Cool Company Inc  Cool Job A    AZ
#1  Cool Company   Tacoma     Cool Company, Inc  Cool Job B    AZ
#2  Cool Company   Tacoma      The Cool Company  Cool Job C    AZ
#3           NaN  Boulder      The Shoe Company    Salesman    CO
#4       Muffler  Chicago         Muffler Store       Sales    IL
#5       Muffler  Chicago         Muffler Store  Technician    IL

Answer 2

来自fuzzywuzzy

的解决方案

from fuzzywuzzy import process

df1['Alias']=df1.Company.apply(lambda x :[process.extract(x, df2.Company, limit=1)][0][0][0]).map(df2.set_index('Company').Alias)
df1
Out[31]: 
          Alias     City               Company    Position State
0  Cool Company   Tacoma  The Cool Company Inc  Cool Job A    AZ
1  Cool Company   Tacoma     Cool Company, Inc  Cool Job B    AZ
2  Cool Company   Tacoma      The Cool Company  Cool Job C    AZ
3           NaN  Boulder      The Shoe Company    Salesman    CO
4       Muffler  Chicago         Muffler Store       Sales    IL
5       Muffler  Chicago         Muffler Store  Technician    IL

根据其他列

2 个答案: