问题描述
我有一个 Pandas df,其中包含为世界各地的州手动输入的值。我有一个正确格式化并包含正确语法的状态值列表。我想遍历 pandas df 中的每一行,并将每行的值与状态列表中的所有值进行比较,以确定该行中的值是否包含在任何字符串值中。如果是这样,将该值从字符串中提取到名为“match”的新 df 列中。如果包含 Pandas 行的字符串值不止一个,则引入这两个值并让它创建一个列表。下面是我的意思的一个例子。
注意:我已经可以使用 difflib get_close_matches 函数来做到这一点。发布下面的代码并为此输出,想要一种方法来复制它,但是对于熊猫中的 str.contains() 能力。
states_list = ['俄勒冈州'、'德克萨斯州'、'科罗拉多州'、夏威夷州、'索诺拉州'、'阿拉斯加州'、'阿拉巴马州'、'阿克拉'等]
结果
我如何使用获取接近匹配来选择与下面输入的状态值最接近的匹配。想要添加另一列,其中包含行值字符串所在的状态列表中的值
解决方法
尝试以下操作:
s = set([i.lower() for i in states_list])
df['match'] = df['state_name'].apply(lambda x: list(set([i.strip().lower() for i in x.split(',')]).intersection(
s)))
df['match']=df['match'].apply(lambda x: [i[0].upper() + i[1:] for i in x])