Question

我正在尝试根据该行中的另一列是否包含字符串来填充pandas数据框中的新列。

例如，我列出了可能的颜色：

possible_colors = ['red', 'blue', 'green', orange', 'purple']

数据框包含假设产品的销售数据。产品名称的产品代码中包含一种颜色，我将创建一列，以将该产品标记为正确的颜色。

df = {'product': ['123red309','20424green098','2purple09183'],
          'sales_qty': [20, 5, 10]}

如果产品列包含字符串“ green”，我想用字符串“ green”填充新的列Color。

我尝试使用以下代码：

for color in possible_colors:
    df['Color'] = np.where(df.product.str.contains(color),color)

这给了我警告ValueError: either both or neither of x and y should be given。

我的实际数据框当然是数千行，而不仅仅是3行，而我可能的颜色列表是数十种。

如何正确完成任务？谢谢！

Answer 1

您可以使用series.str.extract()：

df['color']=df['product'].str.extract(r'({})'.format('|'.join(possible_colors)))
print(df)

         product  sales_qty   color
0      123red309         20     red
1  20424green098          5   green
2   2purple09183         10  purple

位置：r'({})'.format('|'.join(possible_colors))收成：'(red|blue|green|orange|purple)'

Answer 2

这是一种方法：

df['color'] = df['product'].apply(lambda x: ''.join(i for i in possible_colors 
                                                    if i in x) or None)

       product     sales_qty   color
0      123red309         20     red
1  20424green098          5   green
2   2purple09183         10  purple

使用字符串匹配来填充新的数据框列

2 个答案: