模糊修复列表中基于列的正确值

Question

我有一个脏数据框，如下所示

地区
柏林
慕尼黑
柏林-斯潘道
施潘道-柏林
商店-慕尼黑
慕尼黑-休息
法兰克福

我也有包含干净信息的列表

城市 = ['柏林','慕尼黑','法兰克福']

我需要帮助在数据框中创建一个包含清洁城市的新列，如图所示

Region	Clean Region
Berlin	Berlin 德国
慕尼黑	慕尼黑
Berlin-Spandau	柏林
Spandau-Berlin	Berlin
商店-慕尼黑	慕尼黑
慕尼黑-休息	慕尼黑
法兰克福-pla	法兰克福

我不知道如何创建这个专栏。需要 python 帮助

Answer 1

您可以使用 lambda 函数。

city = ["Munich", "Berlin"]
def func(x):
    for k in city:
        if k.lower() in x.lower():
            return k
    return x
df["Clean Region"] = df['Region'].apply(lambda x: func(x))

Answer 2

假设您从城市列表开始，您可以首先使用 .str.contains 查找每个单元格中包含哪个城市：

>>> cities = ["Berlin", "Munich", "Frankfurt"]
>>> for city in cities:
        df[city] = df["Region"].str.lower().str.contains(city.lower())

>>> df
           Region  Berlin  Munich  Frankfurt
0          Berlin    True   False      False
1          Munich   False    True      False
2  Berlin-Spandau    True   False      False
3  Spandau-Berlin    True   False      False
4     Shop-Munich   False    True      False
5     munich-rest   False    True      False
6       Frankfurt   False   False       True

现在，您可以使用 .melt 和然后 .loc 将这些 True 值转换为字符串，然后仅选择这些行：

>>> df = df.melt(id_vars=["Region"], value_vars=["Berlin", "Munich", "Frankfurt"], var_name="Clean Region")
>>> df = df.loc[x["value"], ["Region", "Clean Region"]]
>>> df
        Region Clean Region
0           Berlin       Berlin
2   Berlin-Spandau       Berlin
3   Spandau-Berlin       Berlin
8           Munich       Munich
11     Shop-Munich       Munich
12     munich-rest       Munich
20       Frankfurt    Frankfurt