Question

我正在尝试使用findall函数在数据帧的一列中的字符串中查找4个特定单词。

df = pd.DataFrame({'case':('Case1','Case2','Case3','Case4'),
                   'text':('good boy', 'bad girl', 'yoghurt', 'good girl yoghurt')})
    case    text
0   Case1   good boy
1   Case2   bad girl
2   Case3   yoghurt
3   Case4   good girl yoghurt

比方说，我想找到“好”和“酸奶”，创建一个列表，该数据集将为我提供以下列表：['好'，'，'酸奶'，'好，酸奶']-因此给出空字符串或返回“无”，如果两个单词在同一行，请给我两个单词。然后，我可以在其中创建一个新列，这就是为什么即使每行都为空也很重要的原因。

大多数findall示例都涉及正则表达式符号，我正在尝试用单词列表来填充它。

Answer 1

您可以将str.findall与|正则表达式运算符（意为“或”）一起使用

df['new_column'] = df.text.str.findall('good|yoghurt')
>>> df
    case               text       new_column
0  Case1           good boy           [good]
1  Case2           bad girl               []
2  Case3            yoghurt        [yoghurt]
3  Case4  good girl yoghurt  [good, yoghurt]

如果您希望用逗号将单词连起来，按照您的问题所建议的方式，您可以应用', '.join：

df['new_column'] = df.text.str.findall('(good|yoghurt)').apply(', '.join,1)
>>> df
    case               text     new_column
0  Case1           good boy           good
1  Case2           bad girl               
2  Case3            yoghurt        yoghurt
3  Case4  good girl yoghurt  good, yoghurt

Answer 2

使用get_dummies

s=df.text.str.get_dummies(sep=' ')[['good','yoghurt']]
s.eq(1).dot(s.columns+',').str[:-1]
Out[23]: 
0            good
1                
2         yoghurt
3    good,yoghurt
dtype: object

在列中查找特定词

2 个答案: