我使用Python Pandas将数据存储为数据帧。在这些专栏中,我有一个"产品"包含品牌名称和型号的专栏(例如Nike Air Jordan,Adidas Gazelle)。我想创建一个仅包含品牌的新列(例如Nike,Adidas),稍后我将在groupby中使用它来汇总数据。 根据我的研究,我相信包含和正则表达式可以用来做到这一点。但是,实施没有奏效。我也看到了不同的方法,有些使用"对于我在范围内"而其他人则在一行代码中将其作为替代品。
import pandas as pd
import numpy as np
shoes_df = pd.DataFrame({'Product':['Nike vaporfly', 'Nike Jordans', 'Adidas supernova', 'Asics Kayano', 'Asics GT2010', 'Adidas gazelle', 'Nike air max',
'Nike Lebron'], 'Unit sales':[1500, 1600,
2341, 1345, 4523, 2345, 1634, 3129]})
shoes_df['Brand'] = np.where(shoes_df['Product'].str.contains('Nike.*|Adidas.*').any(), 'Nike|Adidas', np.nan)
print(shoes_df)
这是我尝试在范围内进行的#34;"方法,也没有用。在这里,我收到了错误" TypeError:' Series'对象是可变的,因此它们不能被散列"
shoes_df = pd.DataFrame({'Product':['Nike vaporfly', 'Nike Jordans', 'Adidas supernova', 'Asics Kayano', 'Asics GT2010', 'Adidas gazelle', 'Nike air max',
'Nike Lebron'], 'Unit sales':[1500, 1600, 2341, 1345, 4523,
2345, 1634, 3129]})
for i in shoes_df.iterrows():
if shoes_df['Product'].str.contains('Nike').any():
shoes_df.set_value(i, 'Brand', 'Nike')
elif shoes_df['Product'].str.contains('Adidas').any():
shoes_df.set_value(i, 'Brand', 'Adidas')
elif shoes_df['Product'].str.contains('Asics').any():
shoes_df.set_value(i, 'Brand', 'Asics')
else:
shoes_df.set_value(i, 'Brand', np.nan)
答案 0 :(得分:4)
选项1 (艰难之路)
str.extract
brands = ['Nike', 'Adidas', 'Asics']
df['Brand'] = df.Product.str.extract('({})'.format('|'.join(brands)), expand=True)
df
Product Unit sales Brand
0 Nike vaporfly 1500 Nike
1 Nike Jordans 1600 Nike
2 Adidas supernova 2341 Adidas
3 Asics Kayano 1345 Asics
4 Asics GT2010 4523 Asics
5 Adidas gazelle 2345 Adidas
6 Nike air max 1634 Nike
7 Nike Lebron 3129 Nike
选项2 (稍微简单)
str.split
df['Brand'] = df.Product.str.split().str[0]
df
Product Unit sales Brand
0 Nike vaporfly 1500 Nike
1 Nike Jordans 1600 Nike
2 Adidas supernova 2341 Adidas
3 Asics Kayano 1345 Asics
4 Asics GT2010 4523 Asics
5 Adidas gazelle 2345 Adidas
6 Nike air max 1634 Nike
7 Nike Lebron 3129 Nike
您可以对此进行扩展,以使用brands
替换NaN
以外的任何内容:
df['Brand'] = np.where(df.Brand.isin(brands), df.Brand, np.nan)
答案 1 :(得分:4)
IIUC:
shoes_df['brand'] = shoes_df.Product.str.extract(pat='(Nike|Adidas|Asics)',expand=False)
输出:
Product Unit sales brand
0 Nike vaporfly 1500 Nike
1 Nike Jordans 1600 Nike
2 Adidas supernova 2341 Adidas
3 Asics Kayano 1345 Asics
4 Asics GT2010 4523 Asics
5 Adidas gazelle 2345 Adidas
6 Nike air max 1634 Nike
7 Nike Lebron 3129 Nike
答案 2 :(得分:0)
如果您认为该品牌始终是第一个词,那么该解决方案可让您灵活地捕捉已知列表之外的品牌,因此只需将其添加到感兴趣的内容中:
shoes_df['Product'].str.extract('^([^\s]+)\s')