Pandas：修复数据框中键的拼写错误

Posted 2023-03-12

【中文标题】Pandas：修复数据框中键的拼写错误

【英文标题】：Pandas: fix typos in keys within a dataframe

【发布时间】：2018-09-28 00:03:29

【问题描述】：

所以，我有一个包含客户姓名的大型数据框。我结合使用电话号码和电子邮件来为每个客户创建一个唯一的 ID 密钥。但是，有时电子邮件中会出现拼写错误，因此它会为同一客户创建两个密钥。

像这样：

Key                        | Order #
[e-mail]   901345
[e-mail]    901345

我正在考虑根据电话号码（部分字符串）组合所有键，然后将每个组中的所有键分配给每个组中的第一个键。我将如何在 Pandas 中执行此操作？我尝试过遍历行，也尝试过通过部分字符串使用 groupby 方法，但我似乎无法使用此方法分配新值。

【问题讨论】：

在创建密钥之前清理电子邮件地址？

我正在处理数以万计的行，但我不确定除了手动之外如何清理电子邮件地址。

你怎么知道哪个是错字的电子邮件地址，哪个是正确的？上面有任何类型的时间戳吗？如果这些人的电子邮件实际上是 andymller@.. 怎么办？

这对我的目的来说真的没关系，这是正确的。我只需要客户具有相同的标识符。无论是andymiller还是andymler都无关紧要。

【参考方案1】：

如果您真的不在乎新 ID 是什么，您可以按字符串的第一个字符（代表电话号码）进行分组

例如：

df.groupby(df.Key.str[:6]).first()

这将产生一个数据框，其中索引是客户记录的第一个条目。这假设电话号码总是正确的，尽管这听起来不应该是一个问题