使用模糊重新标记pandas数据帧中的类别值
使用模糊重新标记pandas数据帧中的类别值
提问于 2021-10-22 20:29:49
我有一个包含371个唯一分类条目的大型数据框，但是其中一些条目是相似的，在某些情况下，我想合并可能已经分离的某些类别，例如，我有3个我知道的类别：
3d
3d_platformer
3d_vision
我想把它们合并到一个一般的3d类别下。我觉得这应该可以在小范围内实现，但我也想将其扩展到所有类别。问题是我不知道所有类别的名称。因此，简而言之，完整的问题是：
如何搜索相似的分类名称，然后用一个组名替换所有相似的名称，而不是单独搜索？
回答 1
Stack Overflow用户
发布于 2021-10-22 20:46:57
正则表达式能帮上忙吗？
df.col = df.col.str.replace(r'3d.*', '3d')如果你正在寻找更像语义的身份，像Gensim这样的NLP库可以提供字符串相似度计算方法：
https://betterprogramming.pub/introduction-to-gensim-calculating-text-similarity-9e8b55de342d
您可以尝试使用您的类别名称作为语料库。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69682781
复制相关文章
相似问题
腾讯云开发者
