计算python中的不同名称

Question

我有一个文件，想数几个名字在上面。问题是其中一个名字，我有一个以上的名字！我能做些什么来把他们算作一个名字而不是不同的名字？例如: LR = lrr = LRr =LRr，它们都是相同的东西，但是当我想计算它们时，它们使用不同的名称。

谢谢

Answer 1

这并不容易。并简化了解决方案--首先是read_csv，然后将所有字母转换为lower，然后将一个或多个s从字符串末尾转换为空字符串。然后删除重复-修改这个solution(只替换为一个字母)。上一次value_counts

因此，如果一些需要以s结尾的单词也被替换了。

df = pd.read_csv('file.csv')

#sample DataFrame
df = pd.DataFrame({'names': ['LR','lrr','LRr','lrrs', 'lrss', 'lrsss']})
print (df)
   names
0     LR
1    lrr
2    LRr
3   lrrs
4   lrss
5  lrsss

print (df.names.str.lower().str.replace('s{1,}$','').str.replace(r'(.)\1+', r'\1'))
0    lr
1    lr
2    lr
3    lr
4    lr
5    lr
Name: names, dtype: object


print (df.names.str.lower()
               .str.replace('s{1,}$','')
               .str.replace(r'(.)\1+', r'\1')
               .value_counts())
lr    6
Name: names, dtype: int64