2

Прошу помочь с решением следующего вопроса. Из Appmetrica я получаю результаты поисковой выдачи посетителям мобильного приложения: перечень товаров, которые ищут посетители. Однако одновременно с наименованием товаров, я также получаю все, что ввел пользователь в поисковую строку. Так настроено мобильное приложение разработчиком.

Мне необходимо удалить этот "информационный мусор". Так, например, посетитель может искать "бинт". Приложение ему выдает в подсказки в поисковой строке по буквам. И, в итоге, после выгрузки из api Appmetrica отчета по нужному мне событию я получаю:

б
би
бин
бинт

И так далее с другими товарами. Есть наименования товаров с несколькими словами, я пробовал выдергивать только первое слово

data['product_first_word'] = data['product'].apply(lambda x: x.split()[:1]).apply(lambda x: ' '.join(x))

Но, проблема в том, что посетитель может написать тот же "бинт", как "бнт" или "бант", ошибаясь или не попадая в буквы на эл. клавиатуре.

Вопрос в следующем, как мне в перечне товаров, где, помимо прочего, встречаются:

б
би
бинт

Оставить только слово "бинт" (то есть само целое слово в перечене)?

Список выгружается таким образом, что всегда перед последним словом будут его "побуквенные" разновидности

К сожалению, в регулярных выражениях я не силен. Поэтому даже нет малейших соображений (пример кода) на этот счет.

товар количество событий
б 23
би 43
бин 65
бинт 76
бинт м 96
бинт мар 116
бинт марл 136
бинт марле 143
бинт марлев 152
бинт марлевы 159
бинт марлевый 179
12
  • Предоставьте воспроизводимый пример данных в вопросе. Т.е. покажите пример (небольшого) датафрейма.
    – CrazyElf
    Commented 21 апр. 2023 в 6:38
  • Добавил, спасибо за совет. Повторюсь, что мне нужно только "бинт марлевый", а остальное - отсечь Commented 21 апр. 2023 в 6:56
  • Хотелось бы в виде текста, а не картинки. И в том порядке, в каком вы описали в вопросе, а сейчас у вас наоборот сначала полная форма идёт.
    – CrazyElf
    Commented 21 апр. 2023 в 7:20
  • Доработал в требуемом виде. Прошу помочь с решением вопроса (из примера датафрейма во вложении оставить только "бинт марлевый"). Commented 21 апр. 2023 в 8:36
  • Если никто не поможет, вечером посмотрю. Работа
    – CrazyElf
    Commented 21 апр. 2023 в 8:49

1 ответ 1

3
import pandas as pd


df = pd.DataFrame(data={
    'product': [
        'б', 'би', 'бин', 'бинт',
        'б', 'ба', 'бар', 'бара', 'баран', 'баранк', 'баранка'
    ]
})
print(df[df['product'] != df['product'].shift(-1).str[:-1]])
$ python demo.py
3      бинт
10  баранка

Объяснение

Запускаем интерпертатор, создаём фрейм:

$ python
Python 3.10.0 (default, Oct 16 2021, 12:17:56) [GCC 9.4.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
@>>> import pandas as pd
@>>> df = pd.DataFrame(data={'product': ['б', 'би', 'бин', 'бинт', 'б', 'ба', 'бар', 'бара', 'баран', 'баранк', 'баранка']}) 
@>>> df
    product
0         б
1        би
2       бин
3      бинт
4         б
5        ба
6       бар
7      бара
8     баран
9    баранк
10  баранка

next_product - колонка с продуктами, смещённая на одну запись вверх:

@>>> df['next_product'] = df['product'].shift(-1)
@>>> df
    product next_product
0         б           би
1        би          бин
2       бин         бинт
3      бинт            б
4         б           ба
5        ба          бар
6       бар         бара
7      бара        баран
8     баран       баранк
9    баранк      баранка
10  баранка          NaN

complete_request сравнивает продукт и следующий продукт без последней буквы. Если они не равны, это последний запрос в цепочке:

@>>> df['complete_request'] = df['product'] != df['next_product'].str[:-1]
@>>> df
    product next_product  complete_request
0         б           би             False
1        би          бин             False
2       бин         бинт             False
3      бинт            б              True
4         б           ба             False
5        ба          бар             False
6       бар         бара             False
7      бара        баран             False
8     баран       баранк             False
9    баранк      баранка             False
10  баранка          NaN              True

По complete_request можно отфильтровать фрейм. Останутся только строки с полными запросами:

@>>> print(df[df['complete_request']]) 
    product next_product  complete_request
3      бинт            б              True
10  баранка          NaN              True
@>>> 
1
  • Спасибо Вам! Очень помогли! Commented 21 апр. 2023 в 11:58

Ваш ответ

Нажимая «Отправить ответ», вы соглашаетесь с условиями пользования и подтверждаете, что прочитали политику конфиденциальности.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.