pythonで購買履歴を分析してます。店名が様々な種類があるので統一したいです。

Question

前提・実現したいこと

pythonのpandasを使用してDataFrameを作りました。
データ分析をするために単語を正規化したいのですが、良い方法が見つからないのでご教授頂きたいです。

使用データ
購買履歴

利用日	利用先	支払総額
2019-10-12	paypay*ファミリーマート	120
2019-10-10	linepay*ファミリーマート	130
2019-10-9	オリガミ*ファミリーマート	502
2019-10-3	ファミリーマート	400
2019-10-1	フアミリーマート	320
2019-9-10	ファミリーマートシンジュクヒガシ	100
2019-9-10	agoda	10000
2019-9-10	アゴダ	3000

これを全て「ファミリーマート」や「agoda」に置換したいです。

これが得たい結果です。

利用日	利用先	支払総額
2019-10-12	ファミリーマート	120
2019-10-10	ファミリーマート	130
2019-10-9	ファミリーマート	502
2019-10-3	ファミリーマート	400
2019-10-1	ファミリーマート	320
2019-9-10	ファミリーマート	100
2019-9-10	agoda	10000
2019-9-10	agoda	3000

使用環境はmac OS Catalina, python3.7です。よろしくお願いします。

試したこと

replaceやcontainsなどを使って取り組もうとしましたが思いつきませんでした。
またわかち切りや正規表現をする必要があるのかもしれないと考えましたが、良い方法が思いつきません。

Answer 1

df.loc[df.利用先.str.contains("ミリーマート"),"利用先"] ="ファミリーマート"

Answer 2

質問者さんが行うとしている処理は名寄せといいます。

基本的にはルールベースで泥臭い処理を1つ1つ書いていくしかないです。
例えば、大文字小文字は区別せず、「文字列に ファミリ が含まれていたら ファミリーマート とする」などです。

Comments

[iiiiiiiikkkk]

そうなんですね、、、
一応ファミリーマートだけの置換はできたのですが、基本的には一つの店名ごとに1行づつコードを書いていくしかない形ですよね？

解決したコードを解決方法として記載します。

[tiitoi]

そうですね。
面倒くさいですが、ファミリーマートの店名には「ミリーマート」が含まれるみたいなルールを見つけて、1つ1つ処理していくしかないです。

[iiiiiiiikkkk]

そういう作業が必要なんですね。人の手で行う作業の重要性を理解しました。ありがとうございます。