Question

我需要在数据框文本列中搜索国家/地区名称或大写名称，然后将匹配项保存在新列中。我目前的解决方案是有效的，但需要很长时间。我想知道是否有可能使这更有效，理想情况是以矢量化的方式。

国家/地区和资本列表存储在单独的for (i = 1; i < locCount+1; i++) { var $listElt = $('#wpsl-stores ul li:nth-child('+i+') strong:before'); if (!$listElt.hasClass('skipThis') { $listElt.hide(); $('body').append('<style>#wpsl-stores ul li:nth-child('+i+') strong:before {content:"'+i+'";}</style>'); } }数据框中。

我的主要数据框countries：

df

date text 0 2016-01-01 Bla bla bla bla 1 2016-01-01 Blu blu Nigeria 2 2016-01-01 Hey ho Norway 3 2016-01-01 This is text Paris 4 2016-01-01 Lorem lorem ipsum数据框：

countries

我目前的解决方案：

    name             capital
0   France           Paris
1   Germany          Berlin
2   Norway           Oslo
3   China            Beijing

期望的结果：

def extract_countries(row):
    matches = []
    for country, adj in countries[['name', 'capital']].values:
        if any([country in row.text, adj in row.text]):
            matches.append(country)
    return ', '.join(matches)

df['countries'] = df.apply(extract_countries, axis=1)

Answer 1

这是一种方法。注意NaN（＆＃34;不是数字＆＃34;）不适用于字符串列，所以我留下了没有找到匹配项的空字符串。

import pandas as pd

df = pd.DataFrame([['2016-01-01', 'Bla bla bla bla'], ['2016-01-01', 'Blu blu Nigeria'],
                   ['2016-01-01', 'Hey ho Norway'], ['2016-01-01', 'This is text Paris'],
                   ['2016-01-01', 'Lorem lorem ipsum']], columns=['date', 'text'])

countries = pd.DataFrame([['France', 'Paris'], ['Germany', 'Berlin'], ['Norway', 'Oslo'],
                          ['China', 'Beijing']], columns=['name', 'capital'])

ctry_set = set(countries.name)
cap_set = set(countries.capital)

df['countries'] = df['text'].apply(lambda x: ', '.join(i for i in ctry_set if i in x))
df['capitals'] = df['text'].apply(lambda x: ', '.join(i for i in cap_set if i in x))

#          date                text countries capitals
# 0  2016-01-01     Bla bla bla bla                   
# 1  2016-01-01     Blu blu Nigeria                   
# 2  2016-01-01       Hey ho Norway    Norway         
# 3  2016-01-01  This is text Paris              Paris
# 4  2016-01-01   Lorem lorem ipsum

使用pandas将字符串列表交叉引用多列的有效方法

1 个答案: