我有 2 列；名稱和品牌名稱。第一列包含產(chǎn)品名稱等值，而第二列是產(chǎn)品的品牌名稱。在某些情況下，它們的名稱相似——例如，可口可樂。在上圖中，您可以確切地看到我在說什么。我將留下一段代碼用于測(cè)試目的：data = [['Coca Cola', 'Coca Cola'], ['Coca Cola cherry', 'Coca Cola'], ['Coca Cola life', 'Coca Cola'], ['Coca Cola Life', 'Coca Cola']]testdf = pd.DataFrame(data, columns = ['Name', 'BrandName'])我要做的是將列BrandName中的每個(gè)值設(shè)置為“未知”，只要產(chǎn)品名稱包含與品牌名稱相同的單詞。以上圖為例。我只能使用以下代碼將第一行的品牌名稱設(shè)置為“未知”：testdf["BrandName"] = np.where(testdf["Name"] == testdf["BrandName"], "Unknown", testdf["BrandName"])但是，我還沒有弄清楚如何以某種方式設(shè)置條件，因此當(dāng)Name包含列BrandName的全部?jī)?nèi)容時(shí)，后者的值變?yōu)椤拔粗薄?
2 回答
一只名叫tom的貓
TA貢獻(xiàn)1906條經(jīng)驗(yàn) 獲得超3個(gè)贊
您可以將自定義 lambda 函數(shù)從這里傳遞給np.where：
import re
f = lambda x: bool(re.search(r'\b{}\b'.format(x['BrandName']), x['Name']))
testdf['match'] = np.where(testdf.apply(f, axis = 1), "Unknown", testdf["BrandName"])
print (testdf)
Name BrandName match
0 Coca Cola Coca Cola Unknown
1 Coca Cola cherry Coca Cola Unknown
2 Coca Cola life Coca Cola Unknown
3 Coca Cola Life Coca Cola Unknown
蕭十郎
TA貢獻(xiàn)1815條經(jīng)驗(yàn) 獲得超13個(gè)贊
這是使用 的一種mask方法apply：
testdf['BrandName'] = (testdf.BrandName.mask(testdf.apply(
lambda x: x.BrandName in x.Name, axis=1),
'Unkown'))
Name BrandName
0 Coca Cola Unkown
1 Coca Cola cherry Unkown
2 Coca Cola life Unkown
3 Coca Cola Life Unkown
添加回答
舉報(bào)
0/150
提交
取消