PANDAS 从列中找到确切的给定字符串/单词

Posted 2023-02-19

【中文标题】PANDAS 从列中找到确切的给定字符串/单词

【英文标题】：PANDAS find exact given string/word from a column

【发布时间】：2020-10-07 10:51:49

【问题描述】：

所以，我有一个 pandas 列名称 Notes，其中包含对某些事件的句子或解释。我正在尝试从该列中找到一些给定的单词，当我找到该单词时，我将其作为 Type

添加到下一列

问题出在某些特定的词上，例如 Liar、Lies 像 familiar 和 families 这样的词> 因为他们都有说谎者，并且在他们身上撒谎。

Notes                                  Type
2 families are living in the address   Lies
He is a liar                           Liar
We are not familiar with this          Liar

从上面可以看出，只有第二句话是正确的。我如何只选择像骗子，谎言而不是家庭或熟悉这样的单独词。

这是我的方法，

word= ["Lies"]

for i in range(0, len(df)):
    for f in word:
        if f in df["Notes"][i]:
            df["Type"][i] = "Lies"

感谢任何帮助。谢谢

【问题讨论】：

pandas.Series.str.match

【参考方案1】：

使用\b 作为regex 中的单词边界，使用.str.extract 查找模式：

 df.Notes.str.extract(r'\b(lies|liar)\b')

要标记包含该单词的行，请执行以下操作：

df['Type'] = np.where(df.Notes.str.contains(r'\b(lies|liar)\b'), 'Lies', 'Not Lies')

【讨论】：

谢谢。那么如何根据行分配类型呢？

df['Type'] = df.Notes.str.extract(r'\b(lies|liar)\b')[0]?也许用.str.capitalize()链接它

我想将这些词的类型指定为“谎言”。有什么办法吗？

谢谢。该代码运行良好，但只是一个小问题。如果您再次为不同的单词分配不同的类型，它只会覆盖第一个。

【参考方案2】：

嗯，我同意 Quang Hoang 的回答。请确保您了解诸如“他不是骗子”之类的句子。它仍然会匹配并给你骗子。

【参考方案3】：

我认为如果代码对你来说很好用！

import pandas as pd

df = pd.DataFrame.from_dict("Notes":["2 families are living in the address"  ,
"He is a liar  "              ,           
"We are not familiar with this "   ]  ) 



word= ["liar","are","this"]
found_in_whole_string =[]

for i in range(0, len(df)):
    found_one_word=[]
    for f in word:
        if f in df["Notes"][i].split(" "):
            found_one_word.append(f)
        else:
            found_one_word.append("")
    found_in_whole_string.append(",".join([word for word in found_one_word if len(word) > 0])  )

df["type"] = found_in_whole_string