在 Pandas Dataframe 中查找多个字典键并返回多个匹配值

Posted 2023-03-11

【中文标题】在 Pandas Dataframe 中查找多个字典键并返回多个匹配值

【英文标题】：Looking up multiple dictionary keys in a Pandas Dataframe & return multiple values for matches

【发布时间】：2018-08-13 18:16:30

【问题描述】：

第一次发帖，如果我的格式关闭，请提前道歉。

这是我的问题：

我创建了一个包含多行文本的 Pandas 数据框：

d = 'keywords' :['cheap shoes', 'luxury shoes', 'cheap hiking shoes']
keywords = pd.DataFrame(d,columns=['keywords'])
In [7]: keywords
Out[7]:
        keywords
0  cheap shoes
1  luxury shoes
2  cheap hiking shoes

现在我有一个包含以下键/值的字典：

labels = 'cheap' : 'budget', 'luxury' : 'expensive', 'hiking' : 'sport'

我要做的是找出字典中的键是否存在于数据框中，如果存在，则返回适当的值

我能够使用以下方法到达那里：

for k,v in labels.items():
   keywords['Labels'] = np.where(keywords['keywords'].str.contains(k),v,'No Match')

但是，输出缺少前两个键，仅捕获最后一个“远足”键

    keywords            Labels
0   cheap shoes         No Match
1   luxury shoes        No Match
2   cheap hiking shoes  sport

此外，我还想知道是否有办法在字典中捕获多个值，用 | 分隔，所以理想的输出应该是这样的

    keywords            Labels
0   cheap shoes         budget
1   luxury shoes        expensive
2   cheap hiking shoes  budget | sport

非常感谢任何帮助或指导。

干杯

【参考方案1】：

这当然是可能的。这是一种方法。

d = 'keywords': ['cheap shoes', 'luxury shoes', 'cheap hiking shoes', 'nothing']

keywords = pd.DataFrame(d,columns=['keywords'])

labels = 'cheap': 'budget', 'luxury': 'expensive', 'hiking': 'sport'

df = pd.DataFrame(d)

def matcher(k):
    x = (i for i in labels if i in k)
    return ' | '.join(map(labels.get, x))

df['values'] = df['keywords'].map(matcher)

#              keywords          values
# 0         cheap shoes          budget
# 1        luxury shoes       expensive
# 2  cheap hiking shoes  budget | sport
# 3             nothing                

【讨论】：

上述效果很好，但有一个跟进。您将如何编辑以上内容以仅捕获完全匹配？例如，如果标签更新为包含“便宜”：“预算”，并且第一个关键字更新为“最便宜的廉价鞋”。运行上述脚本会产生预算 |预算作为“最便宜的廉价鞋”的值

字典可能会增长到容纳更多与单个值相关的单词变体。

你应该使用集合来代替，例如return labels[i] for i in labels if i in k

上述方法可以很好地从最终结果中删除重复值。不过，我仍然遇到部分匹配的奇怪错误。假设我将利物浦添加到关键字d = 'keywords': ['cheapest cheap shoes', 'luxury shoes', 'cheap hiking shoes', 'liverpool'] 和“池”到标签labels = 'cheape': 'budget','cheap': 'budget', 'luxury': 'expensive', 'hiking': 'sport', 'pool':'swimming'

会的。谢谢你的帮助，你肯定让我走得更远。非常感谢。

【参考方案2】：

您可以使用"|".join(labels.keys()) 获取re.findall() 使用的模式。

import pandas as pd
import re

d = 'keywords' :['cheap shoes', 'luxury shoes', 'cheap hiking shoes']
keywords = pd.DataFrame(d,columns=['keywords'])
labels = 'cheap' : 'budget', 'luxury' : 'expensive', 'hiking' : 'sport'
pattern = "|".join(labels.keys())

def f(s):
    return "|".join(labels[word] for word in re.findall(pattern, s))

keywords.keywords.map(f)

【参考方案3】：

坚持你的方法，你可以做例如

arr = np.array([np.where(keywords['keywords'].str.contains(k), v, 'No Match') for k, v in labels.items()]).T
keywords["Labels"] = ["|".join(set(item[ind if ind.sum() == ind.shape[0] else ~ind])) for item, ind in zip(arr, (arr == "No Match"))]

Out[97]: 
             keywords        Labels
0         cheap shoes        budget
1        luxury shoes     expensive
2  cheap hiking shoes  sport|budget

【参考方案4】：

我喜欢先使用 replace 然后查找值的想法。

keywords.assign(
    values=
    keywords.keywords.replace(labels, regex=True)
            .str.findall(f'("|".join(labels.values()))')
            .str.join(' | ')
)

             keywords          values
0         cheap shoes          budget
1        luxury shoes       expensive
2  cheap hiking shoes  budget | sport

【参考方案5】：

您可以将split 的字符串放入单独的列，然后将stack 放入一个多索引中，这样您就可以将map，标签字典中的值。然后groupby初始索引，concatenate属于每个索引的字符串

keywords['Labels'] = keywords.keywords.str.split(expand=True).stack()\
                     .map(labels).groupby(level=0)\
                     .apply(lambda x: x.str.cat(sep=' | '))



            keywords          Labels
0         cheap shoes          budget
1        luxury shoes       expensive
2  cheap hiking shoes  budget | sport