我正在使用 Kaggle 数据集“欧洲足球数据库”，并希望将其与另一个 FIFA18 数据集结合起来。
我的问题是这两个数据集中的名称列使用不同的格式。
例如：一个数据集中是“lionel messi”，另一个是“L. Messi”
我会为数据集中的所有行将“L. Messi”转换为小写版本“lionel messi”。
解决这个问题最明智的方法是什么？
【问题讨论】：
一种简单的方法是将两个数据帧中的名称转换为通用格式，以便它们可以匹配。* 假设df1 中的名称为L. Messi 格式，df2 中的名称为@ 987654324@ 格式。常见的格式是什么样的？您有多种选择，但一个选项是全部小写，只有第一个首字母后跟一个句点：l. messi。
df1 = pd.DataFrame({'names': ['L. Messi'], 'x': [1]})
df2 = pd.DataFrame({'names': ['lionel messi'], 'y': [2]})
df1.names = df1.names.str.lower()
df2.names = df2.names.apply(lambda n: n[0] + '.' + n[n.find(' '):])
df = df1.merge(df2, left_on='names', right_on='names')
*注意：这种方法完全依赖于名称以这种方式“可匹配”。有很多情况可能导致这种简单的方法失败。如果一个团队有两个成员，Abby Wambach 和 Aaron Wambach，它们看起来都像 a. wambach。如果一个数据框试图通过在其名称中使用其他首字母来区分它们，例如m.a. wambach 和a.k. wambach，那么简单匹配将失败。你如何处理这取决于你的数据大小——也许你可以尝试以这种方式匹配大多数玩家，看看谁被淘汰，并为他们编写自定义代码。
【讨论】：