Question

我有一个熊猫数据框，其中的一列是一个有时包含一个国家的字符串。

我有一个包含所有可能的国家名称的数组。

如果要包含在第一列中，我想在数据框中返回一个带有国家名称的新列，否则返回空值。

我期望数据框：

country = ['Angola', 'Belgium']
df = pd.DataFrame(np.array([['A product for Angola', 'Angola'], ['A product for Belgium', 'Belgium']]), columns=['Product', 'Country'])

Answer 1

将Series.str.extract与正则表达式结合使用-用|结合正则表达式OR的所有值：

country = ['Angola', "Korea (Democratic People's Republic of)"]
df = pd.DataFrame(np.array([['A product for Angola', 'Angola'], 
                            ["A product for Korea (Democratic People's Republic of)",
                             "Korea (Democratic People's Republic of)"],
                            ['A product for new', None]]), columns=['Product', 'Country'])

import re

pat = '|'.join(re.escape(x) for x in country)
df['newCountry'] = df['Product'].str.extract('('+ pat + ')', expand=False)
print (df)
                                             Product  \
0                               A product for Angola   
1  A product for Korea (Democratic People's Repub...   
2                                  A product for new   

                                   Country  \
0                                   Angola   
1  Korea (Democratic People's Republic of)   
2                                     None   

                                newCountry  
0                                   Angola  
1  Korea (Democratic People's Republic of)  
2                                      NaN

数据框列是包含国家/地区的字符串，我想使用该国家/地区创建一个新列

1 个答案: