合集替换子关键词

原创

基督徒Isaac 2023-05-26 10:59:35 ©著作权

©著作权归作者所有：来自51CTO博客作者基督徒Isaac的原创作品，请联系作者获取转载授权，否则将追究法律责任

代码

list_ZFI077 = df_1.columns.tolist()
df_ZFI077 = df_1.columns.to_frame(name= "列名") # 先不重置索引 drop依据索引
df_ZFI077_1 = df_ZFI077.copy().reset_index(drop= True) # index.to_frame()后需重置索引 方便赋值
for i,j in enumerate(list_ZFI077):
    if df_ZFI077.列名.drop(j).str.contains(j).any():
        df_ZFI077_1.loc[i,"列名"] = j + "th"

df_ZFI077_1.列名.str.contains("/").to_frame("判断").join(df_ZFI077).query("判断")
seri_ZFI077 = df_ZFI077_1.列名.str.replace("/", "")

'''检查'''
if seri_ZFI077.str.contains("/").any() == False: # 不能 is False
    print("无'/'")

dict_ZFI077 = {}
for j in seri_ZFI077: # 若使用list_ZFI077需替换"/" 即 [ i.replace("/", "") for i in list_ZFI077 ] 或参考 https://blog.51cto.com/u_14246112/3140471
    if seri_ZFI077.drop(
        index= seri_ZFI077.to_frame("列名").query("列名 == @j").index
    ).str.contains(j).any():
        print(j)
    else:        
        dict_ZFI077[j] = "无重复"

if set(dict_ZFI077.values()) == set(["无重复"]): # 不能写 set("无重复") 会将字符串拆成单个字符
    print("无重复")

背景

# 问题4 关键词有重复部分 例如 '采购入库数量' '无采购入库数量'
# 解决4.1 函数改进
# 解决4.2 源数据调整
# 思路4.2.1 将重复的识别出来
# 思路4.2.2 将重复的修改命名
# 4.2.2.1 列标题替换 Series.replace
# 4.2.2.2 长字符串内替换 Series.str.replace
# 4.2.2.2.1 单个字符串
# 4.2.2.2.2 +组合字符串
# 4.2.2.2.2.1 +可能在前可能在后 避免重复替换 新方法
# 4.3 特殊性大于通用性时 特殊做法

# 问题5 '/'替换为''

https://blog.51cto.com/u_16055028/6317062

https://blog.51cto.com/u_16055028/6309992

https://blog.51cto.com/u_16055028/6317193

应用

df_1.columns, df_2.columns = seri_ZFI077, seri_ZFI077

list_th = df_ZFI077_1.query("列名.str.contains('th')").列名.to_list()
dict_th = {}
for i in list_th:
    dict_th[i.replace("th","")] = i
dict_th

seri = df_0.iloc[2] # 公式模板
list_seri = seri.tolist()
list_spli = [ i.split('+') for i in list_seri] # 根据"+"拆分

df_spli = pd.DataFrame(list_spli) # 将二维列表转化为表格
df_spli.index = seri.index
df_spli.columns = [ "列名"+str(i) for i in range(df_spli.shape[1]) ]
df_sprp = df_spli.copy()
for i in range(df_spli.shape[1]):
    seri_colu = df_spli.iloc[:,i].str.replace("/","")
    df_sprp.iloc[:,i] = seri_colu

df_rprp = df_sprp.copy()
for i in dict_th:
    df_rprp = df_rprp.replace(i, dict_th[i])
    df_rprp = df_rprp.replace("-"+i, "-"+dict_th[i])

# '''检查''' # 注意replace是完整替换 str.replace是字符替换
# for i in range(df_rprp.shape[1]):
#     print(df_rprp.iloc[:,i].str.contains("th").any())

list_rprp = []
for i in df_rprp.index:   
    df_row = df_rprp.loc[i].astype(str).to_frame(name= "列名").query("列名!= 'None'")
    list_row = df_row.列名.to_list()
    list_rprp.append(list_row)
    
seri_form = seri.copy()
for i,j in enumerate(list_rprp):
    str_form = "df_1." + "+df_1.".join(j)
    seri_form.iloc[i] = str_form
seri_rp = seri_form.str.replace("df_1.-", "-df_1.", regex= False)

df_nebu_2030 = pd.DataFrame(index= range(df_1.shape[0]), columns= seri.index)
seri_rp.iloc[-2:] = seri_rp.iloc[-2:].str.replace("df_1","df_nebu_2030")
for i in seri_rp.index:
    val_ = eval（seri_rp.loc[i])
    df_nebu_2030[i] = val_

历史记录(错误思路)

seri = df_0.iloc[2]
for i in list_chfu:
    for j in seri:
        if i in j:
            # 出现几次
            # 每次在第几个
            
list_seri = seri.tolist() # 公式
list_spli = [ i.split('+') for i in list_seri] # +拆分
df_nebu_2030 = pd.DataFrame() # 新表格

for i in range(df.shape[1]):
    colu_ = seri.index[i] # 新列名
    str_ = seri.iloc[i] # 公式
    coun_ = str_.count('+') + 1 # 计数
    form_ = ''.join(["+df_1{}" ] * coun_) # 格式
    list_j = [] # 定位
    for j,k in enumerate(list_spli[i]):
        if '-' in k:
            list_j.append(j)
    form_ = sub_(string= form_, position= list_j) # 替换
    list_str = str_.replace('-','').split('+') # 替换
    form_ = sub_mul_loo(string= form_, pattern= '{}', list_str= list_str, str_add= '.') # 替换
    exec("df_nebu_2030['{}'] = {}".format(colu_, form_)) # 生成
    
def qixi_():
    
    '''提取组合字符串'''
    seri = df_0.iloc[2]

    '''提取列名'''
    colu_ZFI077 = df_1.columns
    seri_ZFI077 = pd.Series(colu_ZFI077)

    '''查找重复元素'''
    list_chfu = []
    for i in colu_ZFI077:
        for j in colu_ZFI077:
            if (i in j) and (i != j):
                list_chfu.append([i,j])

    '''替换重复元素'''
    df_chfu = pd.DataFrame(list_chfu)
    list_chfu = pd.DataFrame(list_chfu).iloc[:,0].tolist()
    list_tihu = [k+'th' for k in list_chfu]
    dict_tihu = dict(zip(list_chfu, list_tihu))
    seri_th = seri_ZFI077.replace(dict_tihu)
    
    '''用'th'来修改列名 应该不会有新的重复了'''
    df_1.columns = seri_th
    df_2.columns = seri_th
    
    '''组合字符串内部的替换'''
    '''非组合字符串替换 replace'''
    seri = seri.replace(dict_tihu)
    
    '''组合字符串替换 str.replace'''
    for i in list_chfu:
        for j in seri:
    
qixi_()