映射str.contains跨越pandas DataFrame

时间:2018-02-02 20:33:43

标签: python pandas dictionary dataframe apply

初学者与python - 我正在寻找创建字符串的字典映射,以及相关的值。我有一个数据框,并希望创建一个新列,如果字符串匹配,它将列标记为x。

df = pd.DataFrame({'comp':['dell notebook', 'dell notebook S3', 'dell notepad', 'apple ipad', 'apple ipad2', 'acer chromebook', 'acer chromebookx', 'mac air', 'mac pro', 'lenovo x4'],
              'price':range(10)})

例如,我想采用上面的df并创建一个新列df['company']并将其设置为字符串映射。

我在考虑做类似

的事情
product_map = {'dell':'Dell Inc.',
               'apple':'Apple Inc.',
               'acer': 'Acer Inc.',
               'mac': 'Apple Inc.',
               'lenovo': 'Dell Inc.'}

然后我想迭代它来检查df.comp列,看看每个条目是否包含其中一个字符串,并将df.company列设置为字典中的值。

不知道如何正确地做到这一点。

4 个答案:

答案 0 :(得分:5)

有很多方法可以做到这一点。一种方法是:

def like_function(x):
    group = "unknown"
    for key in product_map:
        if key in x:
            group = product_map[key]
            break
    return group

df['company'] = df.comp.apply(like_function)

答案 1 :(得分:2)

MaxU similar problem解决方案启发的矢量化解决方案。

x = df.comp.str.split(expand=True)
df['company'] = None
df['company'] = df['company'].fillna(x[x.isin(product_map.keys())]\
                                     .ffill(axis=1).bfill(axis=1).iloc[:, 0])
df['company'].replace(product_map, inplace=True)
print(df)
#               comp  price     company
#0     dell notebook      0   Dell Inc.
#1  dell notebook S3      1   Dell Inc.
#2      dell notepad      2   Dell Inc.
#3        apple ipad      3  Apple Inc.
#4       apple ipad2      4  Apple Inc.
#5   acer chromebook      5   Acer Inc.
#6  acer chromebookx      6   Acer Inc.
#7           mac air      7  Apple Inc.
#8           mac pro      8  Apple Inc.
#9         lenovo x4      9   Dell Inc.

答案 2 :(得分:1)

这是一种有趣的方式,特别是如果你正在学习python。您可以继承dict并覆盖__getitem__以查找部分字符串。

class dict_partial(dict):
    def __getitem__(self, value):
        for k in self.keys():
            if k in value:
                return self.get(k)
        else:
            return self.get(None)

product_map = dict_partial({'dell':'Dell Inc.', 'apple':'Apple Inc.',
                            'acer': 'Acer Inc.', 'mac': 'Apple Inc.',
                            'lenovo': 'Dell Inc.'})

df['company'] = df['comp'].apply(lambda x: product_map[x])

               comp  price     company
# 0     dell notebook      0   Dell Inc.
# 1  dell notebook S3      1   Dell Inc.
# 2      dell notepad      2   Dell Inc.
# 3        apple ipad      3  Apple Inc.
# 4       apple ipad2      4  Apple Inc.
# 5   acer chromebook      5   Acer Inc.
# 6  acer chromebookx      6   Acer Inc.
# 7           mac air      7  Apple Inc.
# 8           mac pro      8  Apple Inc.
# 9         lenovo x4      9   Dell Inc.

我对此方法的唯一烦恼是,子类化dict不会在dict.get语法的同时覆盖[]。如果可以,我们可以摆脱lambda并使用df['comp'].map(product_map.get)。似乎并不是一个明显的解决方案。

答案 3 :(得分:0)

据我所知,pandas没有附带“子字符串映射”方法。 .map()方法不支持子字符串,.str.contains()方法仅适用于正则表达式(扩展性不佳)。

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()lambda function一起使用以生成所需的“公司”列。额外的好处是,它可使代码保持可读性,并且可以重复使用该功能。希望有帮助。

这应该为您提供所需的“公司”列:

def map_substring(s, dict_map):
    for key in dict_map.keys():
        if key in s: return dict_map[key]
    return np.nan
df['company'] = df['product'].apply(lambda x: map_substring(x, product_map))