[英]Create new Python DataFrame column based on conditions of multiple other columns
[英]Constructing a dataframe with multiple columns based on str conditions using a loop - python
我有一个包含用户位置的webscraped Twitter DataFrame。 位置变量如下所示:
2 Crockett, Houston County, Texas, 75835, USA
3 NYC, New York, USA
4 Warszawa, mazowieckie, RP
5 Texas, USA
6 Virginia Beach, Virginia, 23451, USA
7 Louisville, Jefferson County, Kentucky, USA
我想通过循环为美国所有州构建州假人。
我设法使用以下方法从美国提取用户
location_usa = location_df['location'].str.contains('usa', case = False)
但是我为每个状态编写的代码太庞大了。 我有状态列表作为字符串。 我也无法使用
pd.Series.Str.get_dummies()
因为同一状态下有不同的位置,每个条目都是一个完整的句子。
我希望输出看起来像这样:
Alabama Alaska Arizona
1 0 0 1
2 0 1 0
3 1 0 0
4 0 0 0
或与布尔值相同。
使用.str.extract
得到一个Series
的状态,然后用pd.get_dummies
在该Series
。 将需要定义所有50个状态的列表:
import pandas as pd
states = ['Texas', 'New York', 'Kentucky', 'Virginia']
pd.get_dummies(df.col1.str.extract('(' + '|'.join(x+',' for x in states)+ ')')[0].str.strip(','))
Kentucky New York Texas Virginia
0 0 0 1 0
1 0 1 0 0
2 0 0 0 0
3 0 0 1 0
4 0 0 0 1
5 1 0 0 0
请注意,我在州后面加了一个','
因为这似乎是一种模式,可以避免出现'Virginia'
与'Virginia Beach'
类'Virginia'
错误匹配,或者避免诸如'Washington County, Minnesota'
如果您希望多个状态在一行上匹配,那么.extractall
变成.extractall
在第0级进行求和:
pd.get_dummies(df.col1.str.extractall('(' + '|'.join(x+',' for x in states)+ ')')[0].str.strip(',')).sum(level=0).clip(upper=1)
编辑:
也许有更好的方法,但是@BradSolomon允许在'State,( optional 5 digit Zip,) USA'
进行匹配
states = ['Texas', 'New York', 'Kentucky', 'Virginia', 'California', 'Pennsylvania']
pat = '(' + '|'.join(x+',?(\s\d{5},)?\sUSA' for x in states)+ ')'
s = df.col1.str.extract(pat)[0].str.split(',').str[0]
s
0 Texas
1 New York
2 NaN
3 Texas
4 Virginia
5 Kentucky
6 Pennsylvania
Name: 0, dtype: object
来自输入
col1
0 Crockett, Houston County, Texas, 75835, USA
1 NYC, New York, USA
2 Warszawa, mazowieckie, RP
3 Texas, USA
4 Virginia Beach, Virginia, 23451, USA
5 Louisville, Jefferson County, Kentucky, USA
6 California, Pennsylvania, USA
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.