在列中查找特定單詞

Question

我正在嘗試使用 findall 函數在數據幀列中的字符串中查找 4 個特定單詞。

df = pd.DataFrame({'case':('Case1','Case2','Case3','Case4'),
                   'text':('good boy', 'bad girl', 'yoghurt', 'good girl yoghurt')})
    case    text
0   Case1   good boy
1   Case2   bad girl
2   Case3   yoghurt
3   Case4   good girl yoghurt

假設我想找到 'good' 和 'yoghurt'，創建一個列表，該數據集將為我提供： ['good',' ','yoghurt','good, yoghurt'] - 所以給出空字符串或返回 None如果它們在同一行，就給我兩個詞。 然后我可以從中創建一個新列，這就是為什么我得到每一行很重要，即使是空的。

大多數 findall 示例都涉及正則表達式符號，我正在嘗試為其提供單詞列表。

Answer 1

您可以將str.findall與| 正則表達式運算符（意​​思是“或”）

df['new_column'] = df.text.str.findall('good|yoghurt')
>>> df
    case               text       new_column
0  Case1           good boy           [good]
1  Case2           bad girl               []
2  Case3            yoghurt        [yoghurt]
3  Case4  good girl yoghurt  [good, yoghurt]

如果你想用逗號連接單詞，按照你的問題建議的方式，你可以應用', '.join ：

df['new_column'] = df.text.str.findall('(good|yoghurt)').apply(', '.join,1)
>>> df
    case               text     new_column
0  Case1           good boy           good
1  Case2           bad girl               
2  Case3            yoghurt        yoghurt
3  Case4  good girl yoghurt  good, yoghurt

Answer 2

使用get_dummies

s=df.text.str.get_dummies(sep=' ')[['good','yoghurt']]
s.eq(1).dot(s.columns+',').str[:-1]
Out[23]: 
0            good
1                
2         yoghurt
3    good,yoghurt
dtype: object