我想根据两个列表如下过滤数据集:
list_1=['important', 'important words', 'terms to have','limone','harry']
list_2=['additional','extra','terms','to check','estate']
在第一个list_1
中,我确实需要在行中使用这些术语;在list_2
中,我可能会感兴趣一些期望的附加术语。
我认为问题应该是&
和|
条件的混合,但我无法过滤行。
如果我有
Date Head Text
03/01/2020 Estate in vacanza marea: cosa fare in caso di ...
03/01/2020 Cosa mangiare in estate il limone è una spezia molto usata durante il periodo estivo
03/01/2020 NaN tutti pazzi per l'estate: “pronto, ma se apro le finestre per arieggiare...
03/01/2020 Harry torna in UK il principe harry torna a buckingham palace in estate...
03/01/2020 Consigli per l'estate Estate come proteggersi -
如您所见,estate
一词几乎出现在所有行中。我需要这个词,但我还需要考虑具有“ limone”或“ harry”的行。
所以我想过滤如下:
estate + limone # to avoid confusion I mean select estate AND limone
或
estate + harry # to avoid confusion I mean select estate AND harry
在Head
和/或Text
中。我不在乎是否在Head中有遗产,在Text中是否有limone,但是我需要两个单词(或estate + harry)都可以在同一行中,而不管是两列而不是一列。
从之前的一个问题中我知道我应该使用类似
df[['Head','Text']].apply(lambda x : x.str.contains(something)).any(1)
但考虑到两个单独的列表(如在问题的顶部),我很难添加不动产+ limone或不动产+哈里的条件。 我目前正在重复两次:
df=df[df[['Head, Text']].apply(lambda x : x.str.contains('|'.join(list_1))).any(1)]
df=df[df[['Head, Text']].apply(lambda x : x.str.contains('|'.join(list_2))).any(1)]
有什么办法可以将这两个代码压缩为一个?
输出:
Date Head Text
03/01/2020 Cosa mangiare in estate il limone è una spezia molto usata durante il periodo estivo
03/01/2020 Harry torna in UK il principe harry torna a buckingham palace in estate...
如果您能在上面的代码行中说明如何设置此条件,我将不胜感激。
答案 0 :(得分:0)
我希望我能正确理解这种情况:我们有一个“强制性”单词列表(如果不存在,则整行都不相关),还有一个“所需”单词列表。也许您可以进行内部联接来查找包含强制性和期望性术语的行:
mandatory = df[(df.Head + df.Text).str.contains('|'.join(mandatory_words))]
desirable = df[(df.Head + df.Text).str.contains('|'.join(desirable_words))]
mandatory_and_desirable = pd.merge(mandatory,desirable, how='inner')
一起:
mandatory_and_desirable = pd.merge(
df[(df.Head + df.Text).str.contains('|'.join(mandatory_words))],
df[(df.Head + df.Text).str.contains('|'.join(desirable_words))]
how='inner'
)
请注意,这是区分大小写的。
如果您还需要仅分析带有强制性单词的行,则第一种方法会更有用。第二种方法可能用处不大,因为强制性和“合意的”等效(如果需要同时存在)。