如何在相似的行名上使用 Pandas 识别模式

Question

我正在导入一个具有类似供应商名称的excel文件，并使用agg函数添加支出，然后使用排序函数对支出进行排序。最终，这些数据帧被馈送到动态散景图上。由于文本格式，我的供应商名称差异很大，我的pandas数据帧在添加支出时无法识别此模式。尽管它是同一个供应商，但我没有得到支出的整体视图，但缺少一些数据，最终没有在散景图中得到计数。数据Vendor    Site    SpendABC INC   A        300ABC,Inc   B        100ABC,Inc.  C        50ABC,INC.  D        10预期成果所有数据加起来应为 460。

Answer 1

在尝试获取总和之前，您可以处理标点符号，空格和大写字母与更低的值，但它会更改输出中供应商的名称：

df.groupby([x.upper().replace(' ', '').replace(',','').replace('.','') for x in df['Vendor']])['Spend'].sum()

ABCINC    460

您还可以在调用组之前就地修改列名：

df['Vendor'] = df['Vendor'].str.upper().str.replace(' ', '').str.replace(',','').str.replace('.','')

print(df.groupby('Vendor')['Spend'].sum())

df 现在如下所示：

   Vendor Site  Spend

0  ABCINC    A    300

1  ABCINC    B    100

2  ABCINC    C     50

3  ABCINC    D     10

和输出：

ABCINC    460