问熊猫-用多个字符串比较两列不同的数据格式

EN

既然你说你不想要一个解决方案，而是朝着正确的方向前进，下面是我如何处理这个问题的方法：

1. 将这两个数据集作为列表读取。让我们给学生和老师打电话。

例如：

students = """Name | Subjects
Student1 | Biology, Math, German
Student2 | Sport, Biology, English
Student3 | Chemistry, Math, Biology""".replace(" |", ",").splitlines()[1:]

students = [student.split(',') for student in students]

第一行用'，‘替换垂直分隔符’AC.26‘。然后分割行，省略第一行(标头)。

然后，下一个Python命令确保每个学生都以列表的形式出现，以便于轻松地转换为Pandas DataFrames。

学生们现在是[['Name', ' Subjects'], ['Student1', ' Biology', ' Math', ' German'], ['Student2', ' Sport', ' Biology', ' English'], ['Student3', ' Chemistry', ' Math', ' Biology']]

1. 将student和teacher都转换成熊猫数据。dataframe中的第一列是学生/教师标识符，每个主题都有一列。有些单元格将被保留为空白，例如，如果一些学生接受多达四门科目，而另一些则选两门，那么参加两门课的学生在他们的行中将有两个空单元格。我最初的猜测是使用两个分隔符来执行这个方法：“AC.26”和“，”。或者，您可以使用.replace()方法将“\”转换为“”，只需使用一个分隔符。

students = pd.DataFrame(students, columns=['name', 's1', 's2', 's3'])

然后学生们变成

       name          s1        s2        s3
0  Student1     Biology      Math    German
1  Student2       Sport   Biology   English
2  Student3   Chemistry      Math   Biology

然后，

1. 使用熊猫wide_to_long方法将这两个数据集转换为“长”格式。换句话说，每一位学生/老师每门课都有一排。因此，如果一个学生上了3门课，他们就会有3排。

df = pd.wide_to_long(students, ["s"], i="name", j="subject").reset_index()

students现在变成

       name  subject           s
0  Student1        1     Biology
1  Student2        1       Sport
2  Student3        1   Chemistry
3  Student1        2        Math
4  Student2        2     Biology
5  Student3        2        Math
6  Student1        3      German
7  Student2        3     English
8  Student3        3     Biology

1. 将学生和教师在主题上的数据合并，然后使用groupby按(学生、教师)组合进行分组，为每个学生找出哪一位教师是“最佳匹配”的。

我将把最后一步留给您，但是将继续监视这个线程，以查看您是否有任何问题(您可以评论以向我发送通知)。

如果这个答案对你有帮助的话，可以随意投票/接受。

您可以首先使用pd.pivot_table对主题列进行枢轴操作，然后在student和teacher表的subject列上执行一个ofpd.merge，以便根据主题将教师和学生联系起来。