如何获取 dataframe 列中某个单词的第一次出现？

Question

我有一个 dataframe，它看起来像这样：

    position          parent    dataType             value 
1          1               0      data1              7x13124 
2          2               1      data2              x21312  
3          3               2      data3              x312  
4          4               2      data3              x321r  
5          5               2      data3              x324  
6          6               2      data3              xg4352  
7          7               2      data3              x2312  
8          8               2      data3              x2131  
9          9               2      data3              x31231  
10        10               2      data3              x3x3412  
12         1               0      data1              432-x424  
13         2               0      data2              x42342-0  
14         3               2      data4              423  
15         4               3      data3              x4234  

我需要创建一个额外的列来跟踪 data3。 这样，数据 3 第一次出现在 dataType 列中时，新列的值为“yes”，其他时候为“no”。 因此，data3 值第一次出现在 data 3 值块中时，trackData3 值将为“是”。 如果数据类型为“data3 data3 data2 data2 data3”，则新列将为“yes no no no yes”。 我需要创建新的 dataframe 并跟踪 data3 值，如下所示：

    position          parent    dataType             value      trackData3
1          1               0      data1              7x13124    no
2          2               1      data2              x21312     no
3          3               2      data3              x312       yes
4          4               2      data3              x321r      no
5          5               2      data3              x324       no
6          6               2      data3              xg4352     no
7          7               2      data3              x2312      no
8          8               2      data3              x2131      no
9          9               2      data3              x31231     no
10        10               2      data3              x3x3412    no
12         1               0      data1              432-x424   no
13         2               0      data2              x42342-0   no
14         3               2      data4              423        no
15         4               3      data3              x4234      yes

Answer 1

如果第一个连续值data3需要yes ，请使用numpy.where和链掩码 - 通过比较移位值来比较data3和第一个连续值：

mask = df['dataType'].eq('data3') & df['dataType'].ne(df['dataType'].shift())
df['trackData3'] = np.where(mask, 'yes', 'no')
print (df)
    position  parent dataType     value trackData3
1          1       0    data1   7x13124         no
2          2       1    data2    x21312         no
3          3       2    data3      x312        yes
4          4       2    data3     x321r         no
5          5       2    data3      x324         no
6          6       2    data3    xg4352         no
7          7       2    data3     x2312         no
8          8       2    data3     x2131         no
9          9       2    data3    x31231         no
10        10       2    data3   x3x3412         no
12         1       0    data1  432-x424         no
13         2       0    data2  x42342-0         no
14         3       2    data4       423         no
15         4       3    data3     x4234        yes

它是如何工作的：

print (df.assign(data3 = df['dataType'].eq('data3') ,
                 consecutive=df['dataType'].ne(df['dataType'].shift()),
                 both = mask))

    position  parent dataType     value trackData3  data3  consecutive   both
1          1       0    data1   7x13124         no  False         True  False
2          2       1    data2    x21312         no  False         True  False
3          3       2    data3      x312        yes   True         True   True
4          4       2    data3     x321r         no   True        False  False
5          5       2    data3      x324         no   True        False  False
6          6       2    data3    xg4352         no   True        False  False
7          7       2    data3     x2312         no   True        False  False
8          8       2    data3     x2131         no   True        False  False
9          9       2    data3    x31231         no   True        False  False
10        10       2    data3   x3x3412         no   True        False  False
12         1       0    data1  432-x424         no  False         True  False
13         2       0    data2  x42342-0         no  False         True  False
14         3       2    data4       423         no  False         True  False
15         4       3    data3     x4234        yes   True         True   True