如何检查字符串列表中的字符串是否在 pandas dataframe 列中

Question

我现在正在做文本分析。 我的任务是计算列表中每个“坏词”在 dataframe 列的字符串中出现的次数。 我能想到的是使用.isin()或.contains()检查。 但是单词列表的长度超过40000。所以循环会太慢。 有一个更好的方法吗？

Answer 1

虽然您说循环可能太慢，但由于列表的范围，它似乎是最有效的方法。 试图让它尽可能简单。 随意根据您的需要修改打印声明。

text = 'Bad Word test for Terrible Word same as Horrible Word and NSFW Word and Bad Word again'
bad_words = ['Bad Word', 'Terrible Word', 'Horrible Word', 'NSFW Word']

length_list = []

for i in bad_words:
    count = text.count(i)
    length_list.append([i, count])


print(length_list)

output：

[['Bad Word', 2], ['Terrible Word', 1], ['Horrible Word', 1], ['NSFW Word', 1]]

或者，您的 output 作为字符串可以是：

length_list = []

for i in bad_words:
    count = text.count(i)
    print(i + ' count: ' + str(count))

Output：

Bad Word count: 2
Terrible Word count: 1
Horrible Word count: 1
NSFW Word count: 1