pandas中的文本分类（python）

Question

所以我有一个非常庞大的pandas数据帧，由事务数据组成：

description   amount
foo           10
bar           5
baz           9
foo bar       12
foobar        15
bar baz       20
bazbar        19

预期输出如下：

description   amount    tag
foo           10        foo 
bar           5         bar
baz           9         baz
foo bar       12        foo, bar
foobar        15        foobar 
bar baz       20        bar, baz
bazbar        19        bazbar

我的思考过程如下：

• 从words
的所有行创建一个巨大的唯一df['description']列表
• 然后，对于新列df['tag']，对于列表中的每个项目，执行isin并分配相关标记。

我不确定如何创建唯一words列表。另外，我不确定这是解决此问题的正确方法。

感谢任何帮助！

Answer 1

a = pd.DataFrame({'description': ['foo', 'bar', 'bas', 'foo bar', 
'foobar', 'bar baz', 'bazbar']})
a['tag'] = a.description.apply(lambda x: ', '.join(x.split()))
print(a)

description    tag
foo            foo
bar            bar
bas            bas
foo bar        foo, bar
foobar         foobar
bar baz        bar, baz
bazbar         bazbar

A .apply(lambda...)是熊猫中不错的范例，它将遍历每一行并执行一个功能。在这里，我通过.split()在说明栏中列出了以空格分隔的字词，然后通过,将其转换为.join()分隔的字符串