Question

我从stackoverflow上真的找不到任何好的解决方案。通过遍历列表并将值分配给新列，我设法获得了完整的单词匹配。我想df.lookup以及df.get_value可能也可以以某种方式用于实现相同目的。

这是我首先工作的解决方案。这是用于查找完整单词的方法，但是基于通配符查找并获得第一个结果的最佳方法是什么？例如，有一个银行交易清单，试图与商店名称匹配以分配类别。

import pandas as pd
df = pd.read_csv("transactions.csv")

d = {
    'SUBWAY': '9',
    'TRANSFER TO': '5',
    'Best Buy': '8'
}

for index, row in df.iterrows():
    if(row['Description'] in d.keys()):
        df.at[index, 'Category'] = d[row['Description']]

Answer 1

部分比赛

对于在 df['Description']内的字典键的部分匹配，您可以迭代字典而不是数据帧的：

d = {'IKEA': '9', 'TRANSFER TO SAVINGS': '5', 'Best buy': '8'}
for k, v in d.items():
    df.loc[df['Description'].str.contains(k), 'Category'] = v

假设相对于字典键，您有很多行，那么这比迭代行要有效得多。

请谨慎处理字典顺序。在v3.7之前的版本中，不应假定已订购字典。在CPython v3.6和v3.7 +中，字典按插入顺序排列。以上逻辑将确保 last 匹配棒。

完全匹配

对于完全匹配，您可以使用pd.Series.map后跟fillna：

d = {'IKEA': '9', 'TRANSFER TO SAVINGS': '5', 'Best buy': '8'}
df['Category'] = df['Description'].map(d).fillna(df['Category'])

fillna很重要，因为对于'Category'不在NaN中的情况，您不想用'Description'覆盖d中的现有值。

通常可以通过less efficient来避免fillna的{{3}}替代方案。

在熊猫数据框中基于通配符的字典式查询

1 个答案:

部分比赛

完全匹配