Question

我有一个数据框，我试图匹配两个列的列字符串值以创建一个新列，如果两个列值匹配，则返回true，否则返回false。想要使用match和regex，删除所有非字母数字字符并使用小写字母来匹配名称

pattern = re.compile（'[^ a-zA-Z]'）

    Name A         Name B
0   yGZ,)          ygz.
1   (CGI)          C.G.I
2   Exto           exto.
3   Golden         UTF

我正在考虑尝试这样的事情：

dataframe['Name A', 'Name B'].str.match(pattern, flags= re.IGNORECASE)

    Name A         Name B    Result
0   yGZ,)          ygz.       True
1   (CGI)          C.G.I      True
2   Exto           exto.      True
3   Golden         UTF        False

Answer 1

可以使用pd.DataFrame.replace来清理您的字符串，然后使用eq进行比较。当然，如果您希望维护原始df的副本，只需将返回的数据框分配给新变量;}

df = df.replace("[^a-zA-Z0-9]", '', regex=True)

然后

df['Result'] = df['Name A'].str.lower().eq(df['Name B'].str.lower())

输出

    Name A  Name B  Result
0   yGZ     ygz     True
1   CGI     CGI     True
2   Exto    exto    True
3   Golden  UTF     False

Answer 2

您可以使用str.replace删除标点符号（另请参阅我的另一篇文章Fast punctuation removal with pandas），然后

u = df.apply(lambda x: x.str.replace(r'[^\w]', '').str.lower())
df['Result'] = u['Name A'] == u['Name B']
df

   Name A Name B  Result
0   yGZ,)   ygz.    True
1   (CGI)  C.G.I    True
2    Exto  exto.    True
3  Golden    UTF   False

如果使用正则表达式匹配两列中的名称，则创建返回true / false的新列

2 个答案: