我正试图分别提取“数据科学家”和“高级数据科学家”职位的公司,职位描述,评论和位置。我首先尝试获取数据科学家的输出,但未能成功。数据集有两个工作的重复,我正在尝试精确提及“数据科学家”或“高级数据科学家”的所有实例。
dataset['position']=dataset.position.str.lower()
dataset
position company description reviews location
0 data scientist lead ALS TDI This position is... 30.0 Atlanta
1 NaN xyz qualified candid.. 4000.0 Texas
2 data scientist xcv python desireable.. 232.0 toronto
3 data scientist intel CS Degree needed.. 322145.0 Newyork
4 senior data scientist amazon python, excel.... 23222.0 montreal
.
.
5000 data scientist/machine yahoo sql needed plus... Nan Atlanta
我正在使用以下内容创建一个数据框,该数据框具有明确的位置记录,仅记录“数据科学家”,而不显示索引0和5000中的变化。
filtered = dataset[dataset['position'].str.contains('data scientist', na=False)]
但是它不起作用,因为它提供了字符串包含“数据科学家”(包括“高级数据科学家”和“数据科学家/机器”)的所有记录
答案 0 :(得分:0)
pd.Series.str.contains
用于查找包含给定字符串的值。
ps.Series.eq
或等效的等于运算符==
用于查找与给定字符串等于的值。
pd.DataFrame.query
提供了一种通过字符串查询数据框的方法。
因此您可以使用以下之一:
filtered = dataset[dataset['position'].eq('data scientist')]
filtered = dataset[dataset['position'] == 'data scientist']
filtered = dataset.query('position == "data scientist"')