遍历列，查找选择，创建新列

Question

我正在尝试对网站进行 webscraep 并创建名称和图像链接的数据框。 但是在我解析名称时存在一些问题。

我的数据框是这样的；

color    gender    model1    model2  extra_col1  extra_col2    extra_col3
black    male       A24      B2       
red      woman      A1       B3
19sf     black      male     A22        B1
deep     1909sf     2202     blue       woman         A1          B22   

前两行是正确的。我想遍历这 7 列并正确找到颜色、性别和模型并创建新列；

下表是我想要的；

color    gender    model1    model2     
black    male       A24      B2                                           
red      woman      A1       B3
black    male       A22      B1
blue     woman      A1       B22

我有颜色、性别、模型1、模型2的唯一值列表 我需要比较特定列中的每个元素并与列表匹配，并在颜色列、性别列等中写入正确的元素。

谢谢。

Answer 1

嗯，肯定不干净。 Python 专业人士肯定会有他们的顾虑，但由于我是 Python 和 Pandas 的新手，我只是使用了一些 Join、Regular Expressions 和 Split 来试一试：

import pandas as pd
df = pd.DataFrame({'color':['black','red','19sf','deep'],
                   'gender':['male','woman','black','1909sf'],
                   'model1':['A24','A1','Male','2202'],
                   'model2':['B2','B3','A22','blue'],
                   'extra_col1':['','','B1','woman'],
                   'extra_col2':['','','','A1'],
                   'extra_col3':['','','','B22']})
df = df[df.columns[0:]].apply(lambda x: '|'.join(x.dropna().astype(str)), axis=1)
df = df.replace(r'.*?((?:\w+\|){3}\w+(?=\|*$)).*', value = r'\1', regex = True)
df = df.str.split('|', expand = True)
df.columns = ['color','gender','model1','model2']
print(df)

同样，虽然我对VBA 之外的编程非常陌生，但它可以完成这项工作，但可能会做得更整洁。祈祷它对你有用 =)