根据熊猫数据框中的特定模式选择行

Question

我有一个csv文件，我已将其读入pandas数据框。 我想将两个特定的列“ Notes”和“ ActivityType”用作条件。 如果“注释”列包含“早晨锻炼”或“早晨锻炼”的字符串值和/或“活动类型”列包含任何字符串值（大多数单元格为Null，并且我不希望计算Null值），则进行新列“ MorningExercise”，如果满足两个条件，则插入1；如果不满足，则插入0。

我一直在使用下面的代码创建一个新列，并在“注释”列中满足文本条件的情况下插入1或0，但是如果“ ActivityType”列包含任何内容，我还没有弄清楚如何添加1字符串值。

JoinedTables['MorningExercise'] = JoinedTables['Notes'].str.contains(('Morning workout' or 'Morning exercise'), case=False, na=False).astype(int)

对于“ ActivityType”列，我认为可以使用pd.notnull()函数作为标准。

我真的只需要一种方法来查看是否连续满足两个条件，如果是，则在新列中输入1或0。

Answer 1

您将需要使用正则表达式模式来与str.contains结合使用：

regex = r'Morning\s*(?:workout|exercise)'
JoinedTables['MorningExercise'] = \
       JoinedTables['Notes'].str.contains(regex, case=False, na=False).astype(int)

---

细节

Morning       # match "Morning"
\s*           # 0 or more whitespace chars
(?:           # open non-capturing group
workout       # match "workout" 
|             # OR operator
exercise      # match "exercise"
)

模式将显示“ Morning然后进行workout 或 exercise 。