根据另一列是否包含列表中的名称在 Pandas 中设置列​​

Question

我一直在为这个问题苦苦挣扎，所以我想是时候问问了。

我有一个名字列表：

names = ["john", "sally", "tom"]

我有一个 df，其中一列是 action。 action 有很多不同的东西，例如：

• “和汤姆一起去散步”
• “带莎莉去商店”
• ...

我想创建一个名为 partner 的新列，并将其设置为 action 中的名称。 我已经设置了该列，并且为一些日志填充了它，但不是全部。

我试过了：

for name in names:
    df['partner'] =  np.where(df.action.str.contains(name), name, df['partner'] )

但我收到此错误：

<块引用>

类型错误：第一个参数必须是字符串或编译模式

我这样做对吗？有一个更好的方法吗？任何帮助将不胜感激。

编辑：要制作我的 df 示例，您可以使用：

names = ["john", "sally", "tom"]
d = {'name': ['mark','rick','mark','jon', 'lenny'], 'action': ['Went for a walk with tom', 'Took sally to the store', 'Went for a walk with john', 'Went racing with tom and lost', 'Took john to the store'],
    'partner': ['tom', '', 'john', '', 'john']}
df = pd.DataFrame(data=d)
df

列表“名称”包含字符串中所有可能的名称，因此我认为最简单的方法是找到字符串中的名称并将其设置为合作伙伴列。

这是我得到的完整错误：

---

TypeError                                 Traceback (most recent call last)
<ipython-input-68-ed79b0ff06a7> in <module>()
     11 
     12 for partner in partners:
---> 13     EscrowLogs.loc[EscrowLogs.action.str.contains(partner), 'partner'] = partner
     14 
     15 

~\Anaconda3\lib\site-packages\pandas\core\strings.py in contains(self, pat, case, flags, na, regex)
   2415     def contains(self, pat, case=True, flags=0, na=np.nan, regex=True):
   2416         result = str_contains(self._data, pat, case=case, flags=flags, na=na,
-> 2417                               regex=regex)
   2418         return self._wrap_result(result)
   2419 

~\Anaconda3\lib\site-packages\pandas\core\strings.py in str_contains(arr, pat, case, flags, na, regex)
    385             flags |= re.IGNORECASE
    386 
--> 387         regex = re.compile(pat, flags=flags)
    388 
    389         if regex.groups > 0:

~\Anaconda3\lib\re.py in compile(pattern, flags)
    232 def compile(pattern, flags=0):
    233     "Compile a regular expression pattern, returning a Pattern object."
--> 234     return _compile(pattern, flags)
    235 
    236 def purge():

~\Anaconda3\lib\re.py in _compile(pattern, flags)
    283         return pattern
    284     if not sre_compile.isstring(pattern):
--> 285         raise TypeError("first argument must be string or compiled pattern")
    286     p = sre_compile.compile(pattern, flags)
    287     if not (flags & DEBUG):

TypeError: first argument must be string or compiled pattern

Answer 1

我需要一个可验证的数据样本来确定，但使用布尔索引应该可行：

for name in names:
     df.loc[df.action.str.contains(name), 'partner'] = name

Answer 2

根据我的评论，您可以编写一个函数来迭代数据帧的行并捕获产生错误/异常的值。

例如，如果无法解析操作字段，您可以使用此函数返回空值：

names = ["john", "sally", "tom"]

def get_partner(p, a):
    # if row already contains partner value, leave as is
    if p:
        return p
    # otherwise, extract partner name from the action column
    else:
        try:
            for name in names:
                if name in a:
                    return name
        # for any problematic action strings, return null value
        # (can be replaced with some other string that you can later check)
        except:
            return None

您也可以使用这个不需要循环名称的函数。它将每个句子分成一个单词列表，并删除名称列表中未找到的所有单词，只留下名称值。如果有多个名称，则使用逗号分隔符分隔它们。

names = ["john", "sally", "tom"]

def get_partner(p, a):
    # if row already contains partner value, leave as is
    if p:
        return p
    # otherwise, extract partner name(s) from the action column
    else:
        try:
            return ",".join([i for i in a.split() if i in names])
        # for any problematic action strings, return null value
        # (can be replaced with some other string that you can later check)
        except:
            return None

然后您将使用 .apply() 在您的数据帧上运行该函数：

df['partner'] = df.apply(lambda x: get_partner(x['partner'], x['action']), axis=1)