Question

假设我有一个包含品牌名称的品牌名单：

BRANDS = ['Samsung', 'Apple', 'Nike', .....]

Dataframe A具有以下结构

row     item_title      brand_name

1    |  Apple 6S      |  Apple
2    |  Nike BB Shoes |  na  <-- need to fill with Nike
3    |  Samsung TV    |  na  <--need fill with Samsung
4    | Used bike      |  na  <--No need to do anything because there is no brand_name in the title 
    ....

我想用Nike填充第2行的brand_name列，使用Samsung填充第3行，因为它们为null，而item_title包含可在列表BRANDS中找到的关键字。我该怎么办？

Answer 1

矢量化解决方案：

In [168]: x = df.item_title.str.split(expand=True)

In [169]: df['brand_name'] = \
              df['brand_name'].fillna(x[x.isin(BRANDS)]
                                         .ffill(axis=1)
                                         .bfill(axis=1)
                                         .iloc[:, 0])

In [170]: df
Out[170]:
   row     item_title brand_name
0    1       Apple 6S      Apple
1    2  Nike BB Shoes       Nike
2    3     Samsung TV    Samsung
3    4      Used bike        NaN

Answer 2

一种方法是使用apply()：

import pandas as pd
BRANDS = ['Samsung', 'Apple', 'Nike']

def get_brand_name(row):
    if ~pd.isnull(row['brand_name']):
        # don't do anything if brand_name is not null
        return row['brand_name']

    item_title = row['item_title']
    title_words = map(str.title, item_title.split())
    for tw in title_words:
        if tw in BRANDS:
            # return first 'match'
            return tw
    # default return None
    return None

df['brand_name'] = df.apply(lambda x: get_brand_name(x), axis=1)
print(df)
#   row     item_title brand_name
#0    1       Apple 6S      Apple
#1    2  Nike BB Shoes       Nike
#2    3     Samsung TV    Samsung
#3    4      Used bike       None

备注

我使用str.title()将标记化标题转换为标题大小写，因为这就是你如何定义品牌。

如果您有很多品牌，建议您使用set代替list，因为查询会更快。但是，如果您关心订单，这将不会奏效。

Answer 3

您可以通过编写一个简单的函数来获得所需的结果。然后，您可以将.apply()与lambda function结合使用来生成所需的列。

def contains_any(s, arr):
    for item in arr:
        if item in s: return item
    return np.nan
df['brand_name'] = df['product'].apply(lambda x: match_substring(x, product_map))

pandas-python数据帧更新列

3 个答案: