Question

我有两个数据集，分别是df1和df：

df1

    df1 = pd.DataFrame({'ids': [101,102,103],'vals': ['apple','java','python']})

   ids    vals
0  101   apple
1  102    java
2  103  python

df

df = pd.DataFrame({'TEXT_DATA': [u'apple a day keeps doctor away', u'apple tree in my farm', u'python is not new language', u'Learn python programming', u'java is second language']})

                       TEXT_DATA
0  apple a day keeps doctor away
1          apple tree in my farm
2     python is not new language
3       Learn python programming
4        java is second language

我想做的是基于过滤后的数据更新列值，并将匹配数据映射到新列，以使我的输出为

                       TEXT_DATA      NEW_COLUMN
0  apple a day keeps doctor away      101
1          apple tree in my farm      101
2     python is not new language      103
3       Learn python programming      103
4        java is second language      102

我尝试使用

进行匹配

df[df['TEXT_DATA'].str.contains("apple")]

有什么办法可以做到这一点？

Answer 1

您可以执行以下操作：

my_words = {'python': 103, 'apple': 101, 'java': 102}
for word in my_words.keys():
    df1.loc[df1['my_column'].str.contains(word, na=False), ['my_second_column']] = my_words[word]

Answer 2

首先，您需要提取df1['vals']中的值。然后，创建一个新列并将提取结果添加到新列中。最后，合并两个数据框。

extr = '|'.join(x for x in df1['vals'])
df['vals'] = df['TEXT_DATA'].str.extract('('+ extr + ')', expand=False)
newdf = pd.merge(df, df1, on='vals', how='left')

要选择结果中的字段，请在标题部分输入列名：

newdf[['TEXT_DATA','ids']]

Answer 3

您可以同时使用两个数据帧的cartesian product，然后选择相关的行和列。

tmp = df.assign(key=1).merge(df1.assign(key=1), on='key').drop(columns='key')
resul = tmp.loc[tmp.apply(func=(lambda x: x.vals in x.TEXT_DATA), axis=1)]\
                              .drop(columns='vals').reset_index(drop=True)

根据过滤器python更新列值

3 个答案: