prohibitedkeyphrasesmapping = { 'Сотрудник поприветствовал клиента?': ['Здравствуйте.',…
- User
prohibitedkeyphrases_mapping = { 'Сотрудник поприветствовал клиента?': ['Здравствуйте.', 'Привет.', 'Доброго времени суток.'], 'Сотрудник представил бренд и представился сам?': [], 'Сотрудник ответил на звонок, соблюдая стандарты приветствия?': [], 'Сотрудник уточнил предпочтения гостя по номеру?': [], 'Сотрудник уточнил на чье имя забронировать номер и желаемый способ отправки ссылки на оплату?': [] }
def fill_prohibitedkeyphrases(question): return prohibitedkeyphrases_mapping.get(question, [])
df['prohibitedkeyphrases'] = df['prohibitedkeyphrases'].apply(fill_prohibitedkeyphrases)
Почему то не срабатывает, все строки в []
- Assistant
Проблема может быть связана с тем, как вы применяете функцию к вашему DataFrame
df. Давайте рассмотрим несколько возможных причин и решений:-
Нет исходного контекста: Убедитесь, что в вашем DataFrame
dfдействительно существует столбецprohibitedkeyphrases, содержащий вопросы, которые вы хотите обработать. Также убедитесь, что данные в этом столбце точно совпадают с ключами в вашем словареprohibitedkeyphrases_mapping. -
Ошибка применения функции: Когда вы применяете функцию, возможно, вы не применяете её к нужному столбцу или ваш столбец
prohibitedkeyphrasesуже содержит пустые списки. Проверьте, что столбецprohibitedkeyphrasesсодержит именно вопросы, если нет, возможно, вам нужно работать с другим столбцом, содержащим эти вопросы. -
Применение функции: Если столбец
prohibitedkeyphrasesсодержит вопросы, попробуйте следующее:# Предположим, ваш DataFrame `df` выглядит так: # df = pd.DataFrame({'question': ['Сотрудник поприветствовал клиента?', ...]}) # Убедитесь, что вы применяете функцию к нужному столбцу: df['prohibitedkeyphrases'] = df['question'].apply(fill_prohibitedkeyphrases) -
Отладка: Попробуйте вывести значения из столбца
questionперед применением функции, чтобы убедиться, что они совпадают с ключами в вашем словаре.
Вот небольшой пример, как это можно сделать:
import pandas as pd # Пример данных data = { 'question': [ 'Сотрудник поприветствовал клиента?', 'Сотрудник представил бренд и представился сам?', 'Сотрудник ответил на звонок, соблюдая стандарты приветствия?' ] } # Создаем DataFrame df = pd.DataFrame(data) # Объявление словаря prohibitedkeyphrases_mapping = { 'Сотрудник поприветствовал клиента?': ['Здравствуйте.', 'Привет.', 'Доброго времени суток.'], 'Сотрудник представил бренд и представился сам?': [], 'Сотрудник ответил на звонок, соблюдая стандарты приветствия?': [], 'Сотрудник уточнил предпочтения гостя по номеру?': [], 'Сотрудник уточнил на чье имя забронировать номер и желаемый способ отправки ссылки на оплату?': [] } # Функция для заполнения def fill_prohibitedkeyphrases(question): return prohibitedkeyphrases_mapping.get(question, []) # Применяем функцию к нужному столбцу df['prohibitedkeyphrases'] = df['question'].apply(fill_prohibitedkeyphrases) print(df)Убедитесь, что идентификаторы столбцов и структура данных соответствуют вашим данным. Если после этого у вас все равно не работает, проверьте, нет ли ошибок в именах столбцов или содержимом данных.
-
- User
Как мне в датафрейме заменить все пустые строки '' и пустые списки [] на None
- Assistant
В Pandas вы можете заменить пустые строки и пустые списки на
Noneс использованием методаapplymapдля обработки каждого элемента в DataFrame или с использованием методаreplaceв сочетании с условием. Ниже представлены два варианта как это сделать.Вариант 1: Использование
applymapimport pandas as pd import numpy as np # Пример DataFrame с пустыми строками и списками data = { 'column1': ['', 'value1', []], 'column2': ['value2', '', []], 'column3': [[1, 2, 3], '', []] } df = pd.DataFrame(data) # Функция для замены пустых строк и списков на None def replace_empty(value): if value == '' or value == []: return None return value # Применение функции ко всем элементам DataFrame df = df.applymap(replace_empty) print(df)Вариант 2: Использование
replaceВ этом варианте используется метод
replace, который заменяет указанные значения. Однако он менее удобен для замены пустых списков, поэтому мы будем применять его в сочетании с функцией для пустых списков.# Замена пустых строк на None df = df.replace('', None) # Замена пустых списков на None df = df.applymap(lambda x: None if x == [] else x) print(df)Оба варианта дадут вам DataFrame, в котором все пустые строки и пустые списки заменены на
None. Вы можете выбрать любой, который кажется более удобным или более читаемым в вашей ситуации.