Python學習筆記: 系所簡稱檢核判斷系所正確名稱

學生在填寫資料時，常常以系所簡稱來填寫。本段程式主要以系所簡稱比對系所正確名稱，代入系所正確名稱

本案以中原大學系所為範例

In [1]:

import pandas as pd

# 讀取系所簡稱資料
df1 = pd.read_excel('110624_系所簡稱_判斷系所正確名稱.xlsx', sheet_name='系所簡稱')
print(len(df1))
print(df1.columns)
print(df1.info())
df1

33 Index(['系所簡稱'], dtype='object') <class 'pandas.core.frame.DataFrame'> RangeIndex: 33 entries, 0 to 32 Data columns (total 1 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 系所簡稱 33 non-null object dtypes: object(1) memory usage: 392.0+ bytes None

Out[1]:

In [2]:

# 讀取系所正確名稱資料
df2 = pd.read_excel('110624_系所簡稱_判斷系所正確名稱.xlsx', sheet_name='系所名稱')
print(len(df2))
print(df2.columns)
print(df2.info())
df2

37 Index(['系所名稱'], dtype='object') <class 'pandas.core.frame.DataFrame'> RangeIndex: 37 entries, 0 to 36 Data columns (total 1 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 系所名稱 37 non-null object dtypes: object(1) memory usage: 424.0+ bytes None

Out[2]:

In [3]:

final = [] # 儲存最後檢核結果for i in df1['系所簡稱']:
    target_count = 0
    target = []
    for j in df2['系所名稱']:
        match = set(list(i)) & set(list(j)) # 比對系所簡稱和系所名稱後，找出相同的字元
        temp_target = j
        temp_count = len(match)
        if temp_count == 0 : # 如果比對後，完全不相同，就找一個系所名稱繼續做
            continue
        elif temp_count > target_count: # 如果比對後，相同的字元數大於原先target中的字元數，則target內容被取代
            target = [temp_target]
            target_count = temp_count
        elif temp_count == target_count: # 如果比對後，相同的字元數與原先target中的字元數一樣，則target內容再增加temp_target的內容
            target.append(temp_target)
            final.append(target) # 把target的內容新增到final中print(final)

Out[3]:

[['師資培育中心'], ['通識教育中心'], ['機械工程學系'], ['機械工程學系', '工業與系統工程學系', '環境工程學系', '電機工程學系', '生物醫學工程學系', '電子工程學系', '資訊工程學系', '化學工程學系', '土木工程學系'], ['心理學系'], ['環境工程學系'], ['國際商學學士學位學程'], ['企業管理學系'], ['財務金融學系'], ['中原大學與美國天普大學商學管理雙學士學位學程'], ['應用外國語文學系'], ['電機工程學系'], ['財經法律學系'], ['特殊教育學系'], ['生物醫學工程學系'], ['電子工程學系'], ['資訊工程學系'], ['國際經營與貿易學系'], ['會計學系'], ['資訊管理學系'], ['室內設計學系'], ['商業設計學系'], ['設計學士原住民專班'], ['應用華語文學系'], ['應用數學系'], ['化學工程學系'], ['土木工程學系'], ['中原大學美國威大密爾瓦基分校電機與資訊工程雙學士學位學程'], ['物理學系'], ['生物科技學系'], ['全校外籍生大一不分系學士學位學程'], ['人文與教育學院學士學位學程'], ['電機資訊學院學士班']]

In [4]:

df1['檢核判斷'] = [','.join(map(str, l)) for l in final] # 將final的list轉換成df1['檢核判斷']

df1

Out[4]:

In [5]:

df1.loc[df1['檢核判斷'].str.split(',').apply(len)>3, '檢核判斷'] = "" # 如果df1['檢核判斷']中超過3個遏號，表示太多一樣，將內容取代為NaN，未來採人工判斷

df1

Out[5]:

In [ ]: