我想以不同的顺序处理两个不同的数据帧，同时忽略特殊字符，空格。如果相同，则更换

Question

这是一个带有列A的数据帧A

| A |
:---:
|abc|
|xyz|
|bnm|

这是另一个带有列B的数据帧B

| B  |
:----:
|ABc |
|ghj |
|X_yz|
|B+NM|

数据帧B的期望输出应该是和非数据帧

| B |  
:---:
|abc|
|xyz|
|bnm|

| non |
:-----:
| ghj |


regex = r"[a-zA-Z]"
if sorted(re.split(regex, A["A"], re.MULTILINE | re.IGNORECASE)) == sorted(re.split(regex, B["B"], re.MULTILINE | re.IGNORECASE)):
  B["B"] = B["B"].replace(A["A"])
else:
  non.append(B["B"])

我无法获取“it is error”命令。请帮助我处理此代码

Answer 1

可以通过str accessor实现pandas中的公共字符串清理。您可以一次链接清理步骤，然后（1）执行内部联接或（2）使用.isin()选择所需的行。显示这两种用法都是为了演示，其中.isin()是更简洁的语法

资料

import pandas as pd
import io

A = pd.read_csv(io.StringIO("""
A
abc
xyz
bnm
"""), sep=r"\s{2,}", engine='python')

B = pd.read_csv(io.StringIO("""
B
ABc
ghj
X_yz
B+NM
"""), sep=r"\s{2,}", engine='python')

解决方案

B["B"] = B["B"].str.replace(r"[^A-Za-z]", "", regex=True)\
               .str.lower()\
               .str.strip()  # if there is trailing spaces

# method 1: join
B_matched = B.merge(A, how="inner", left_on="B", right_on="A")[["B"]]
# method 2: isin
B_non = B[~B["B"].isin(B_matched["B"])].rename(columns={"B": "non"})

输出

print(B_matched)
     B
0  abc
1  xyz
2  bnm

print(B_non)
   non
1  ghj

Answer 2

您可以^{}指定特殊字符，并使用^{}检查匹配项：

B.B = B.B.replace(r'[^a-zA-Z]', '', regex=True)
B['match'] = B.B.apply(lambda b: A.A.str.contains(b, flags=re.IGNORECASE).any())

#      B  match
# 0  ABc   True
# 1  ghj  False
# 2  Xyz   True
# 3  BNM   True

然后对B.match和~B.match使用布尔索引：

B = B[B.match][['B']]

#      B
# 0  ABc
# 2  Xyz
# 3  BNM

non = B[~B.match][['B']]

#      B
# 1  ghj