如果组中的最后一个元素包含Pandas中的特定字符串，则标记

Posted 2021-05-04

我有数据：

Group   string
 A     Hello
 A     SearchListing
 A     GoSearch
 A     pen
 A     Hello
 A     Searches
 B     Real-Estate
 B     Access
 B     Denied
 B     Group
 B     Group
 C     Glance
 C     NoSearch
 C     Home
 C     FullSearch

等等。

我想找到那些包含“search”作为最后一个元素的字符串并标记它们的组。例如，我想要的输出是这样的：

  Group   Flag
   A       1
   B       0
   C       1

因为A和C的最后一个元素都包含字符串“search”。我知道一种方法可以迭代所有元素，如果最后一个元素包含“搜索”，它将标记它。但它使用循环的功能非常繁重。这有更直接的方式吗？

答案

使用str.contains：

(df.groupby('Group')['string']
   .last()
   .str.contains('search', case=False)
   .astype(int)
   .rename('Flag')
   .reset_index())

  Group  Flag
0     A     1
1     B     0
2     C     1

---

与上面类似（复制或重置索引以避免SettingWithCopyWarning）。

u = df.drop_duplicates('Group', keep='last').reset_index(drop=True)
u['Flag'] = u.pop('string').str.contains('search', case=False).astype(int)
u

  Group  Flag
0     A     1
1     B     0
2     C     1

另一答案

使用drop_duplicates和contains

yourdf=df.drop_duplicates('Group',keep='last').\
           assign(Flag=lambda x : x['string'].str.contains('Search'))
yourdf
Out[645]: 
   Group      string   Flag
5      A    Searches   True
10     B       Group  False
14     C  FullSearch   True

另一答案

这也有效：

df.groupby('Group')['string'].apply(lambda x: 'search' in x.str.cat().lower()).reset_index(name='Flag')

输出：

Group   Flag
0   A   True
1   B   False
2   C   True

速度比较

%%timeit
df.drop_duplicates('Group',keep='last').\
           assign(Flag=lambda x : x['string'].str.contains('Search'))
# 1000 loops, best of 3: 1.1 ms per loop

%%timeit
df.groupby("Group")["string"] \
  .apply(lambda x: int("search" in x.values[-1].lower())) \
  .reset_index(name="Flag")
# 1000 loops, best of 3: 1.6 ms per loop

%timeit df.groupby('Group')['string'].apply(lambda x: 'search' in x.str.cat().lower()).reset_index(name='Flag')
# 100 loops, best of 3: 1.86 ms per loop

%%timeit
(df.groupby('Group')['string']
   .last()
   .str.contains('search', case=False)
   .astype(int)
   .rename('Flag')
   .reset_index())
# 100 loops, best of 3: 2.14 ms per loop

另一答案

你可以尝试：

df.groupby("Group")["string"] \
  .apply(lambda x: int("search" in x.values[-1].lower())) \
  .reset_index(name="Flag")

    Group   Flag
0   A   1
1   B   0
2   C   1

功能方面（以下评论）：

def last_search(df, word):
    return df.groupby("Group")["string"].apply(lambda x: int(word in x.values[-1].lower())).reset_index(name="Flag")

last_search(df, "search")
    Group   Flag
0   A   1
1   B   0
2   C   1

PS

其他答案也可以这样做