Question

我有两个数据帧：

df = ['sentence1', 'sentence2', 'sentence3', 'sentence4']
df_pages = {['para1', 'pgno'], ['para2', 'pgno']

df - 一列数据帧 df_pages - 两列（段落和页面编号）。请原谅我提到df和df_pages的方式。

我正在尝试在df_pages中搜索df，如果句子出现在两个段落中的任何一个 - 我想提取相关的页码。直到现在我尝试了以下内容：

for i in df['column']:
for j in df_pages['column']:
    if i in j:
        print(df_pages['PageNumber'])

但是，它多次打印整个列。

Answer 1

因为您使用df_pages['PageNumber']打印整个列。尝试将行索引添加到表达式。

for i in df['column']:
for idx, j in enumerate(df_pages['column']):
    if i in j:
        print(df_pages.loc[idx, 'PageNumber'])

假设您的索引是数字并从零开始，这应该可以。

Answer 2

df_pages['PageNumber']打印整个列。您必须指定要打印的行。

解决方案1：您可以添加行索引来实现此目的。 count表示行索引。

for i in df['column']:
    for count,j in enumerate(df_pages['column']):
        if i in j:
            print(df_pages['PageNumber'][count])

解决方案2 ：您也可以像{czr建议的那样使用.loc：

for i in df['column']:
    for count, j in enumerate(df_pages['column']):
        if i in j:
            print(df_pages.loc[count, 'PageNumber'])

这是我用来重新创建你的例子的数据这两种解决方案都可以处理这些数据，并在这种情况下打印234。

import pandas as pd
df = pd.DataFrame({'column':['sentence1', 'sentence2', 'sentence3', 'sentence4']})
df_pages = pd.DataFrame({'column':['para1 sentence1', 'para2'], 'PageNumber':['234', '567']})
#>> 234

搜索并标记两个数据帧之间的页码

2 个答案: