Question

可复制的数据框

表1

table1 = {'Text':['hello this is', 'a test data', 'frame for', 'stackoverflow'], 'keyid':[20, 21, 19, 18]} 
table1 = pd.DataFrame(table1) 

       Text        keyid
0   hello this is   20
1   a test data     21
2   frame for       19
3   stackoverflow   18

表2

table2 = {'word': ['hello', 'over','for','is', 'hey'], 'count': [1, 2, 1, 3, 5]}
table2 = pd.DataFrame(table2)

    word    count
0   hello   1
1   over    2
2   for     1
3   is      3
4   hey     5

我正在尝试根据以下条件创建表1的条件更新：如果在表1的“文本”列中找到了表2的“单词”列中的字符串，则从表中移出“计数”列2，否则将其保留为NA。

预期产量

       Text        keyid   count
0   hello this is   20       1
1   a test data     21       NA
2   frame for       19       1
3   stackoverflow   18       NA

注意：“ over”出现在“文本”列中，但未反映在预期的输出中，因为我不需要在字符串本身内进行匹配。

有人可以指出我正确的方向吗？

Answer 1

您可以将series.str.extract()与单词边界一起使用，然后map来获得各自的表格2 count：

d=table2.set_index('word')['count']
p='({})'.format('\\b|\\b'.join(table2.word))
#'(hello\\b|\\bover\\b|\\bfor\\b|\\bis\\b|\\bhey)'
table1['count']=table1.Text.str.extract(p,expand=False).map(d)
print(table1)

            Text  keyid  count
0  hello this is     20    1.0
1    a test data     21    NaN
2      frame for     19    1.0
3  stackoverflow     18    NaN

基于另一列中部分字符串匹配的条件更新列

1 个答案: