Question

假设我有一个数据框，

data
id  URL
1   www.pandora.com
2   m.jcpenney.com
3   www.youtube.com
4   www.facebook.com

我想基于如果URL包含某个特定单词的条件来创建新列。假设它包含＆＃39; youtube＆＃39;，我希望我的列值为youtube。所以我尝试了以下内容，

data['test'] = 'other'

所以一旦我们这样做了，

data['test']
other
other
other
other

然后我尝试了这个，

data[data['URL'].str.contains("youtub") == True]['test'] = 'Youtube'
data[data['URL'].str.contains("face") == True]['test'] = 'Facebook'

虽然这样运行没有任何错误，但测试列的值不会改变。它仍然只有所有列的其他。当我执行此声明时，理想情况下仅第3行显示更改为＆＃39; Youtube＆＃39; Facebook和＃4;以及＃4; Facebook＆＃39;但它并没有改变。谁能告诉我我在这里做错了什么？

Answer 1

我认为您可以将loc与contains创建的布尔掩码一起使用：

print data['URL'].str.contains("youtub")
0    False
1    False
2     True
3    False
Name: URL, dtype: bool

data.loc[data['URL'].str.contains("youtub"),'test'] = 'Youtube'
data.loc[data['URL'].str.contains("face"),'test'] = 'Facebook'
print data
   id               URL      test
0   1   www.pandora.com       NaN
1   2    m.jcpenney.com       NaN
2   3   www.youtube.com   Youtube
3   4  www.facebook.com  Facebook

Answer 2

我会一次性完成：

replacements = {
  r'.*youtube.*': 'Youtube',
  r'.*face.*': 'Facebook',
  r'.*pandora.*': 'Pandora'
}

df['text'] = df.URL.replace(replacements, regex=True)
df.loc[df.text.str.contains('\.'), 'text'] = 'other'
print(df)

输出：

                 URL      text
id
1    www.pandora.com   Pandora
2     m.jcpenney.com     other
3    www.youtube.com   Youtube
4   www.facebook.com  Facebook

Answer 3

鉴于你可能想要检查主机名是否匹配（而不是url中的任何单词），你可以在点上拆分字符串并检查第二项（主机名）是否在你的列表中。

targets = ['pandora', 'youtube', 'facebook']
data['target_url'] = [url[1] if url[1] in targets else None 
                      for url in data.URL.str.split('.')]

data
   id               URL target_url
0   1   www.pandora.com    pandora
1   2    m.jcpenney.com       None
2   3   www.youtube.com    youtube
3   4  www.facebook.com   facebook

根据字符串条件

3 个答案: