pandas dataframe：如果满足多个条件，则将列行val设置为另一列的值，否则默认

Question

如果两个单元格值在同一行中重叠（即 B-POS、I-POS、U-POS、L-POS 中的任何一个 - 只需要 POS）- 设置单元格值以匹配其中一列（首选列）- 但是，重叠还必须在其他 2 个列中具有两个其他行值，并且具有完全匹配的标签。

我有这个简化（非工作）版本：

import pandas as pd    
my_dict = {'a':['O', 'B-POS', 'I-POS', 'O', 'O'], 'b':['O','O','B-POS','I-POS','I-POS']
               , 'c':['O','O','OPN','O',''], 'd':['O','O','OPN','O','O']}

df = pd.DataFrame.from_dict(my_dict)
list_to_make = []

if df['a'].isin(['B-POS', 'I-POS']).any() & df['b'].isin(['B-POS', 'I-POS']).any():
    if df['c']==df['d']:
        list_to_make.extend(df['a'])
    else:
        list_to_make.extend(['O']*len(df['a']))

df['e']=list_to_make

我打算对句子编号进行分组，然后在数据框中的每个句子上迭代地执行此操作，但这显然效率低下并且实际上不起作用，因为 df['c']==df['d'] 会引发错误.

是否有更好的方法来比较两列，如果两列中都有特定值，则在任何重叠在其他 2 列中具有共同值的条件下，将新列值设置为等于首选列的值?

我猜是伪代码：

如果

列中的任何位置都有特定的值

和

此值与另一列中的（相似）值一致，

和

此时（行索引）在另外两列中有完全匹配的值

然后

设置一个新列以匹配前两列之一（首选列）。

编辑： 忘了提一下：所需的输出应该与 df['a'] 匹配，因为所有条件都在 'row[2]' 上得到满足，并且首选 df['a'] 的注释。

Answer 1

这个方法怎么样：

• 此代码使用difflib 模块查找同一行的a 和b 列中的字符串之间的相似度度量
• 检查相似度是否等于或高于 80%，并为列 e 分配适当的值

代码：

import pandas as pd
import difflib

my_dict = {'a':['O', 'B-POS', 'I-POS', 'O', 'L-POS'], 'b':['O','I-POS','B-POS','I-POS','I-POS']
               , 'c':['O','O','OPN','O',''], 'd':['O','O','OPN','O','O']}

df = pd.DataFrame.from_dict(my_dict)
print(df)
df['e'] = df.apply(lambda x: x['a'] if difflib.SequenceMatcher(None, x['a'], x['b']).ratio()>=.8
                                       and x['a'] != 'O'
                                       and x['c']==x['d']  else 'O', axis=1)

print(df)

输入

       a      b    c    d
0      O      O    O    O
1  B-POS  I-POS    O    O
2  I-POS  B-POS  OPN  OPN
3      O  I-POS    O    O
4  L-POS  I-POS         O

输出

       a      b    c    d      e
0      O      O    O    O      O
1  B-POS  I-POS    O    O  B-POS
2  I-POS  B-POS  OPN  OPN  I-POS
3      O  I-POS    O    O      O
4  L-POS  I-POS         O      O