从 DataFrame 中提取字符串，与上一列连接并与另一个 DataFrame 合并答案

【问题标题】：Extract strings from DataFrame, join with previous column and merge with another DataFrame从 DataFrame 中提取字符串，与上一列连接并与另一个 DataFrame 合并
【发布时间】：2020-07-16 15:33:25
【问题描述】：

我有两个 csv 文件/Pandas Dataframes 组织起来像

Sheet ID         Issue                                             Obs
P012CR0409F1-1,  P012CR0409F1-1-04, P012CR0409F1-1-05 crop again,
P012CR0427F1-1,  Missing image 08                               ,
P012V006-0018 ,  Missing images 01, 04, 05, 09                  ,

和

Image ID           Value1     Value2
P012CR0427F1-1-01  0.85839    0.76264

我需要最终得到一个数据框，该数据框本质上是带有两个额外布尔列的第二个数据框：crop again 和 missing。

因此，对于第一个新列，计划是使用(?P<crop>[\w-]+)(?=(?:\s*,\s*[\w-]+)*\s+crop again) 隔离图像代码，第二个(?!Missing? images?) (?P<missing>\d{2}) 隔离缺失的索引。

我正在努力解决如何 1. 将缺失的索引与它们的工作表 ID 连接起来以获取缺失的图像代码和 2. 将所有这些连接到最后一个数据帧中。我对 2D Pandas 并不差，但 extractall 函数返回一个 MultiIndex 对象，我无法真正理解如何操作。

非常感谢，

【问题讨论】：

标签： python regex pandas dataframe

【解决方案1】：

所以我最终做的是：

df = pd.read_csv("./First.csv", names=["id", "issue", "obs"])
df["crop"] = df["issue"].str.findall(
    r"(?P<crop>[\w-]+)(?=(?:\s*,\s*[\w-]+)*\s+crop again)"
)
df["missing"] = df["issue"].str.findall(
    r"(?!Missing images?) (?P<missing>\d{2})"
)
df = df.explode("crop")
df = df.explode("missing")
df["missing"] = df["id"] + "-" + df["missing"]
crop = df["crop"].dropna()
missing = df["missing"].dropna()

从那里我将两者都用作系列，但在 Second.csv 中检查它们并添加布尔列会很简单。

【讨论】：