使用来自另一个数据帧的子字符串更新 pandas 数据帧列答案

【问题标题】：Update pandas dataframe column with substring from another dataframe使用来自另一个数据帧的子字符串更新 pandas 数据帧列
【发布时间】：2022-10-14 19:56:44
【问题描述】：

我有一个数据框，其中一些信息位于错误的字段中，我需要将其更改为 wright 列。问题是这些信息是用户插入的，因此它们位于字符串的中间并且以不同的方式。下面的df是这个问题的一个小例子：

|         String          |      Info A      |      Info B      |
|-------------------------|------------------|------------------|
|        'some text'      |         50       |         60       |
|   'A=70, B=80, text'    |                  |                  |
|  'text, A = 10m, B:20'  |                  |                  |

df 的实际版本有 10 个我需要更改的变量和大约 2mi 行。

我需要做的是将这些信息放在正确的字段中，如示例的第一行所示。

我尝试了一些东西，但它们都有错误或需要很长时间。如果有人可以帮助我想出一个解决方案，我将不胜感激。

【问题讨论】：

标签： python pandas dataframe validation split

【解决方案1】：

这是一个可以帮助您的简单代码。对于您的示例，您可以执行以下操作：

import pandas as pd

df = pd.DataFrame(columns=["String","Info A","Info B"])
df["String"]=['some text','A=70, B=80, text', 'text, A = 10m, B:20']
df["Info A"]=[50,None,None]
df["Info B"]=[60,None,None]

list_strings = list(df["String"])

new_df = pd.DataFrame(columns=["String","Info A","Info B"])

for str_ in list_strings:
    Nones = [None]*len(list(df.columns))
    dict_dummy = dict(zip(list(df.columns),Nones)) 

    split_str = str_.split(sep=",")
    
    for splited_elm in split_str :
        if "A" in splited_elm and ("=" in splited_elm or ":" in splited_elm):
            dict_dummy["Info A"] = splited_elm
            
        elif "B" in splited_elm and ("=" in splited_elm or ":" in splited_elm):
            dict_dummy["Info B"] = splited_elm
        
        else:
            dict_dummy["String"] = splited_elm
    
    new_df=new_df.append(dict_dummy,ignore_index=True)

输出：

new_df
Out[47]: 
      String    Info A Info B
0  some text      None   None
1       text      A=70   B=80
2       text   A = 10m   B:20

这个小脚本可帮助您对元素进行分类。您可以进行其他处理以使您的 df 更好。

【讨论】：

【解决方案2】：

您可以使用带有str.extractall 的正则表达式来获取变量名称和值，然后使用pivot 和update：

variables = ['A', 'B']
regex = fr'({"|".join(variables)})s*[=:]s*(d+)'
# '\b(A|B)\s*[=:]\s*(\d+)'

df.update(df['String']
 .str.extractall(regex)
 .reset_index(level=0)
 .pivot(index='level_0', columns=0, values=1)
 .add_prefix('Info ')
)

输出：

                String Info A Info B
0            some text   50.0   60.0
1     A=70, B=80, text     70     80
2  text, A = 10m, B:20     10     20

【讨论】：