1

我正在比较数据框中两列的（子）字符串。

通过遵循该线程manual_label的建议，如果列之间存在对应关系，我现在可以将条件设​​置为 TRUE，如果没有对应关系，则设置prediction为 FALSE。

这是我使用的代码的快照：

argument_cols = ['prediction']
boolean_idx = df[argument_cols].apply(
    lambda arg_column: df['manual_label'].combine(arg_column, lambda token, arg: token in arg)
)

df['boolean_idx'] = boolean_idx 
pd.options.display.width=None
print(df)

df.to_csv('csv_file_w_pred.csv',sep=',',index=False)

生成的数据框如下所示：

subject  manual_label                                prediction                                    value   boolean_idx
A  __label__Religione_e_Magia                  (__label__Bibbia_storie_dal_Vecchio_e_dal_Nuov...  ...        False
B  __label__Religione_e_Magia                  (__label__Religione_e_Magia,__label__Storia)       ... True
C  __label__Mitologia_classica_e_storia_antica (__label__Societa_civilizzazione_cultura,)         ...        False
D  __label__Essere_umano_uomo_in_generale      (__label__Essere_umano_uomo_in_generale,)          ...        True
E  __label__Religione_e_Magia                  (__label__Religione_e_Magia,)                      ...        True

该列prediction可以有多个标签。

但是，如果条件是True我想要满足条件的值，如果条件是False我想要 col 的第一个值 prediction，正如我之前所说，它可以有多个标签。

期望的输出：

subject  manual_label                                prediction                                    value   boolean_idx
A  __label__Religione_e_Magia                  (__label__Bibbia_storie_dal_Vecchio_e_dal_Nuov...  ...   __label__Bibbia_storie_dal_Vecchio_e_dal_Nuovo_Testamento
B  __label__Religione_e_Magia                  (__label__Religione_e_Magia,__label__Storia)       ...   __label__Religione_e_Magia
C  __label__Mitologia_classica_e_storia_antica (__label__Societa_civilizzazione_cultura,)         ...   __label__Societa_civilizzazione_cultura
D  __label__Essere_umano_uomo_in_generale      (__label__Essere_umano_uomo_in_generale,)          ...   __label__Essere_umano_uomo_in_generale
E  __label__Religione_e_Magia                  (__label__Religione_e_Magia,)                      ...   __label__Religione_e_Magia

建议？

问候

4

1 回答 1

0

如果有人需要，我解决了以下问题

argument_cols = ['label_1','label_2','label_3']

boolean_idx = df[argument_cols].apply(
    lambda arg_column: df['manual_label'].combine(arg_column, lambda token, arg: token in arg)
)

selected_vals = df[argument_cols][boolean_idx]
selected_vals = selected_vals.replace(np.nan, '', regex=True)
selected_vals = selected_vals.applymap(str)
df['suggested_label'] = selected_vals["label_1"].astype(str) + selected_vals["label_2"]+ selected_vals["label_3"]

df = df.replace(r'^\s*$', np.nan, regex=True)
df.loc[df['suggested_label'].isnull(),'suggested_label'] = df['label_1']
print(df)
于 2021-03-16T18:05:28.213 回答