python - 当语法(即 PURPLE 或 PURPAL)错误时，如何对 csv 文件中的颜色(蓝色、绿色、紫色、红色)进行分组？

Question

当语法(即大小写、拼写 - PURPLE 或 PURPAL)在某些情况下错误时，如何使用 Python 对 csv 文件(50000 行，示例如下)中的颜色(蓝色、绿色、紫色、红色)进行分组？感谢您提供的任何帮助

Blue      5642
Purpal    5640
red       5610
BLUE      5583
Red       5541
green     5523
Purple    5503
Green     5491
RED       5467
......

Answer 1

您将需要清理您的数据。显然，无论您的数据处于什么情况，这都是唯一的，但如果您试图识别拼写错误的颜色名称，那么也许可以过滤数据帧以显示除蓝色、绿色、紫色或红色之外的所有内容。

您可以执行以下操作来识别不合适的地方，然后找出解决方法。

df.Color = df.Color.str.lower()
colors = ['blue', 'red', 'purple', 'green']
misspellings = df.Color[~df.Color.isin(colors)].values
print(misspellings)
['purpal']

从那里您可以单独修复每个条目或编写一些内容来智能地修复它们。这取决于你，但一旦你完成了，你就可以像平常一样分组。要修复“purpal”的一个或多个条目，您可以执行以下操作:

df.loc[df.Color == 'purpal', 'Color'] = 'purple'