1. Learn
    2. /
  2. 课程
    3. /
  3. Python 数据清洗
Connected

道练习

把它们链接起来！

在上一课中，您已完成将 restaurants 与 restaurants_new 进行链接的大部分工作。您生成了可能匹配行的不同配对，在 cuisine_type 和 city 列上查找了精确匹配，并在 rest_name 列上比较了相似字符串。包含分数的 DataFrame 已存入 potential_matches。

现在终于要把这两个 DataFrame 链接起来了。首先，您将从 potential_matches 中提取在上述列上匹配的 restaurants_new 的所有行索引。然后，基于这些索引对 restaurants_new 做子集筛选，最后把非重复的取值与 restaurants 进行拼接。所有 DataFrame 已在您的环境中，pandas 已以 pd 导入。

说明

100 XP
  • 使用 .sum() 方法筛选 potential_matches 中按行求和大于等于 3 的行。
  • 使用 .get_level_values() 从 matches 中提取第二级列索引，它代表来自 restaurants_new 的匹配记录的行索引。
  • 对 restaurants_new 进行子集筛选，保留下标不在 matching_indices 中的行。
  • 将 restaurants 与 non_dup 拼接。