python - Pandas:将填充有下拉菜单的 Excel 列拆分为多个数据框列并隔离拼写错误

Question

我在 Excel 中有以下列，它是使用下拉菜单填充的。但是，添加了一些条目，禁用宏并手动输入响应。这造成了一些拼写错误。

      Answers
0     Yes       #correct
1     No        #correct
2     no        #typo - manually entered
3     noo       #typo - manually entered
4     yeah      #typo - manually entered
5     Yes, No   #correct (multiple entries are allowed)

我希望能够创建一个新的数据框，在其中保留原始列“答案”，但我想附加三列:"is"、“否”、“拼写错误”。如果存在值，"is"和“否”的值为 1，否则为 0。 “Typos”列应以字符串形式包含未包含在接受的答案列表中的所有内容，如果没有拼写错误，则将其分配为 0。

示例输出:

      Answers   Yes    No    Typos
0     Yes       1      0     0
1     No        0      1     0
2     no        0      0     no
3     noo       0      0     noo
4     yeah      0      0     yeah
5     Yes, No   1      1     0 

我的尝试包括识别“答案”列的唯一条目，如下所示:

all_answers = df['Answers'].str.get_dummies(', ')

这就是我创建附加列的方法:

accepted_ans=['Yes','No']
idx=1
for i,name in enumerate(all_answers.columns.tolist()):
    if i>0:
        if name in accepted_ans:
            df.insert(idx+i, name, all_answers[name])

这就是我管理“拼写错误”列的方式:

df['Typos']=0 #Create empty column with all zeros
for i in range (0, len(df)): #Iterate over the rows
    if df['Answers'].iloc[i] not in accepted_ans:
        df['Typos'].iloc[i]=df['Answers'].iloc[i]

我的问题:“Typos”列全是零，例如上面的 if 语句失败，或者下面的行失败。我将不胜感激任何建议。

Answer 1

df = pd.DataFrame(dict(answers=['Yes', 'No', 'no', 'noo', 'yeah', 'Yes, No']))
def typos(l):
    probs = [e for e in l if e not in ['Yes', 'No']]
    return ', '.join(probs) if probs else 0
>>> df.answers.str.split(', ').apply(typos)
0       0
1       0
2      no
3     noo
4    yeah
5       0
Name: answers, dtype: object

如果您的列是混合类型(即并非所有条目都是字符串)，您可能需要首先将其转换为字符串，即

df.answers.astype(str).str.split(', ').apply(typos)