数据帧行中的类Python

Question

我在Python中面临一个问题。 我有一个数据帧，我只想得到不同列的可能性。 例如，我有：

import pandas as pd
df = pd.DataFrame({
                'name':['Dupont','Dupant','Darang','BA','Scatt','Sieb'],
                'ID': ['789985','789852','9852220','015220','015221','10022']
              })

我想知道如何处理此数据帧以获得以下结果：

df = pd.DataFrame({
                'name':['Dupont','Dupant','BA','Scatt'],
                'ID': ['789985','789852','015220','015221']
              })

df

如有任何意见或建议，将不胜感激

Answer 1

我试过一些东西，但很复杂。改变字母组合的可能性是“无止境的”（好吧，它基本上不是无止境的，而是n！，这是很多）。我设法将其作为条件：

1. 不区分大小写
2. 如果所提供单词的一个字符不同
3. 如果所提供单词的一个字符缺失
4. 如果完全一样的话

这是我的代码认为的可能性的组合：

['Dupont', 'dupont', 'upont', 'dpont', 'duont', 'dupnt', 'dupot', 'dupon']
['Dupant', 'dupant', 'upant', 'dpant', 'duant', 'dupnt', 'dupat', 'dupan']
['Darang', 'darang', 'arang', 'drang', 'daang', 'darng', 'darag', 'daran']
['BA', 'ba', 'a', 'b']
['Scatt', 'scatt', 'catt', 'satt', 'sctt', 'scat', 'scat']
['Sieb', 'sieb', 'ieb', 'seb', 'sib', 'sie']
['789985', '789985', '89985', '79985', '78985', '78985', '78995', '78998']
['789852', '789852', '89852', '79852', '78852', '78952', '78982', '78985']
['9852220', '9852220', '852220', '952220', '982220', '985220', '985220', '985220', '985222']
['015220', '015220', '15220', '05220', '01220', '01520', '01520', '01522']
['015221', '015221', '15221', '05221', '01221', '01521', '01521', '01522']
['10022', '10022', '0022', '1022', '1022', '1002', '1002']

我似乎无法理解编写if语句的逻辑：

1. 如果字符被添加到提供的单词中；杜邦，杜邦
2. 如果所提供单词的多个字符不同>；杜邦，杜邦
3. 如果所提供单词的多个字符缺失>；杜邦
4. 如果字符顺序不正确；杜邦公司
5. 。。。。还有很多我没有考虑的因素

关于你的声明：

我所需要的就是返回看起来相同的数据，即使添加或删除了一个字符，或者不遵守顺序

这并不像你想象的那么简单，事实上，这很复杂。 有很多假设我们没有讨论，举一些例子：

• 123456>；654321（不遵守命令）
• 123456>；123465（不遵守订单）
• 123456>；1234567（添加一个字符）
• 123456>；123467（添加一个字符，缺少一个字符）
• 123456>；7654321（添加一个字符，不遵守顺序）
• 杜邦公司；甜甜圈（缺少一个字符，不遵守顺序）
• 杜邦公司；Dont（缺少两个字符，遵守顺序）

这些是我的代码中未包含的一些示例（将被过滤掉，不会被视为类似条目）

话虽如此，这是我的代码：

name = ['Dupont', 'Dupant', 'Darang', 'BA', 'Scatt', 'Sieb']
ID = ['789985','789852','9852220','015220','015221','10022']

df = pd.DataFrame({'name': name, 'ID': ID})
print('This is df\n', df)
keys = list(df.keys())

keepindex = []
for col in range(len(keys)):
    allwords = []
    for i in range(len(df)):
        removeoneletteridx = []
        wordvariation = [df[f'{keys[col]}'][i], df[f'{keys[col]}'][i].lower()]
        for j in range(len(df[f'{keys[col]}'][i])):
            idxlist = list(range(len(df[f'{keys[col]}'][i])))
            idxlist.pop(j)
            removeoneletteridx.append(idxlist)
            word = ''.join([df[f'{keys[col]}'][i][x] for x in idxlist])
            wordvariation.append(word.lower())
        allwords.append(wordvariation)

    fulllist = []
    for i in range(len(df)):
        listtocompare = []
        for j in range(len(allwords)):
            for k in range(len(allwords[j])):
                if j != i:
                    listtocompare.append(allwords[j][k])
        fulllist.append(listtocompare)

    for i in range(len(allwords)):
        for j in range(len(allwords[i])):
            if allwords[i][j] in fulllist[i]:
                if i not in keepindex:
                    keepindex.append(i)
                break

new_df = df.iloc[keepindex,:]
print('\nThis is new_df\n',new_df)

print命令给出的输出是：

This is df
      name       ID
0  Dupont   789985
1  Dupant   789852
2  Darang  9852220
3      BA   015220
4   Scatt   015221
5    Sieb    10022

This is new_df
      name      ID
0  Dupont  789985
1  Dupant  789852
3      BA  015220
4   Scatt  015221

并给出一些注释：

• 从列name：Dupont and Dupant被认为是相同的
• 从ID列：789985 and 789852，015220 and 015221被认为是相同的

如果我同意这一说法：

我所需要的就是返回看起来相同的数据，即使添加或删除了一个字符，或者不遵守顺序

然后，带有ID：10022的第5行应被视为与015220相同，因为015220>10022：缺少一个字符，不遵守顺序

所有的事情，所有的，这种条件作用是非常复杂的。我确信我的代码遗漏了很多东西