如果两列中的名称使用正则表达式匹配，则创建返回 true/false 的新列答案

【问题标题】：Create new column returning true/false if names in two columns match using regex如果两列中的名称使用正则表达式匹配，则创建返回 true/false 的新列
【发布时间】：2019-04-09 04:35:53
【问题描述】：

我有一个数据框，我在其中尝试匹配两列的列字符串值以创建一个新列，如果两列值匹配则返回 true，否则返回 false。想要使用匹配和正则表达式，删除所有非字母数字字符并使用小写来匹配名称

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

【问题讨论】：

标签： python regex pandas

【解决方案1】：

可以使用pd.DataFrame.replace 清理您的字符串，然后使用eq 进行比较。当然，如果您希望保留原始df 的副本，只需将返回的数据框分配给一个新变量；}

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

【讨论】：

对于外来字符，清理后的列显示为空白，有什么解决办法吗？
@TH14 您只需先对列进行切片以在感兴趣的数据框中应用替换...例如，df[cols].replace(...) 其中cols=['Name A', 'Name B'] 例如。

【解决方案2】：

您可以使用str.replace 删除标点符号（另见我的另一篇文章，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

【讨论】：

我收到此错误 AttributeError: ('Can only use .str accessor with string values, which use np.object_ dtype in pandas', 'occured at index Number') 对不起，我应该提到还有其他具有数值的列
@TH14 将第一行更改为：u = df[['Name A', 'Name B']].apply(lambda x: x.str.replace(r'[^\w]', '').str.lower())，它应该可以工作