Skip to main content
 首页 » 编程设计

python之根据子串匹配列

2024年12月31日9qq78292959

假设您有三个组(A、B、C),它们的组成部分概述如下:

 +-------+-----------+ 
 | Group | Component | 
 +-------+-----------+ 
 | A     |        31 | 
 | A     |       322 | 
 | A     |       323 | 
 | B     |       321 | 
 | B     |       327 | 
 | B     |        33 | 
 | C     |        31 | 
 | C     |        32 | 
 | C     |        33 | 
 +-------+-----------+ 

这可以存储在称为“组”的数据框或字典中。请注意,各组之间存在重叠。

我有以下名为“df”的值数据框(实际表更大):

 +--------+----------+--------+ 
 | Sender | Receiver | Value  | 
 +--------+----------+--------+ 
 | 312345 |   313452 | 1022.1 | 
 | 320952 |   327901 | 4921.0 | 
 +--------+----------+--------+ 

我想以某种方式将“组”表与“df”连接起来,这样我就有了两列,每列显示发送方和接收方关联的组,具体取决于发送方/接收方代码是否包含组件。我只想查看两组相同的情况。目标表如下所示:

 +--------+----------+--------+--------------+----------------+ 
 | Sender | Receiver | Value  | Sender_Group | Receiver_Group | 
 +--------+----------+--------+--------------+----------------+ 
 | 312345 |   313452 | 1022.1 | A            | A              | 
 | 312345 |   313452 | 1022.1 | C            | C              | 
 | 320952 |   327901 | 4921.0 | C            | C              | 
 +--------+----------+--------+--------------+----------------+ 

请注意,尽管 327901 与组 B 关联,但 320952 不关联,因此未显示。最终目标是将每个组的值相加。

我试过这样的:

pat = "|".join(groups.Component.astype('str')) 
df.insert(0, 'Sender_Group', df['Sender'].str.extract("(" + pat + ')', expand=False)) 
df.insert(1, 'Receiver_Group', df['Receiver'].str.extract("(" + pat + ')', expand=False)) 
new_df = df.query('Sender_Group == Receiver_Group') 

但是,这样做的限制是每个发送者/接收者只能与一个组相关联。我需要一个允许它们与多个相关联的解决方案。有什么想法吗?

请您参考如下方法:

您可以使用代表发送者(接收者)所属的所有组的列作为列表。然后您可以将此列扩展为多行,如前所述 for this question .

df['sender_group'] = df['sender'].apply( 
    lambda x: groups['group'][groups['component'].apply( 
        lambda y: str(y) in str(x) 
    )].values 
) 

给出

   sender  receiver   value sender_group 
0  312345    313452  1022.1       [A, C] 
1  320952    327901  4921.0          [C] 

对于接收者,过程是相似的。

扩张

扩展列的方法请引用this question .这里给出了一个例子:

indices = np.repeat(df.index.values, df['sender_group'].str.len()) 
df = df.loc[indices]\ 
    .assign(sender_group=np.concatenate(df['sender_group'].values))\ 
    .reset_index(drop=True) 

给出

   sender  receiver   value sender_group 
0  312345    313452  1022.1            A 
1  312345    313452  1022.1            C 
2  320952    327901  4921.0            C 

使用的变量:

groups = pd.DataFrame( 
    columns=['group', 'component'], 
    data=[['A', 31], 
          ['A', 322], 
          ['A', 323], 
          ['B', 321], 
          ['B', 327], 
          ['B', 33], 
          ['C', 31], 
          ['C', 32], 
          ['C', 33],] 
) 
 
df = pd.DataFrame( 
    columns=['sender', 'receiver', 'value'], 
    data=[[312345, 313452, 1022.1], 
          [320952, 327901, 4921.0]] 
)