Str 包含來自列表並通過列表項區分

Question

我有一個數據框df ，有兩列：腳本（帶文本）和揚聲器

Script  Speaker
aze     Speaker 1 
art     Speaker 2
ghb     Speaker 3
jka     Speaker 1
tyc     Speaker 1
avv     Speaker 2 
bhj     Speaker 1

我有以下列表： list = ['a','b','c']

我的目標是獲得這樣的矩陣/數據框，只有我列表中的項目。

Speaker     a    b    c
Speaker 1   2    1    1
Speaker 2   2    0    0
Speaker 3   0    1    0

我嘗試了以下方法：

r = '|'.join(list)

nb_df = df[df['Script'].str.contains(r, case = False)]
df_target = nb_df.groupby('Speaker')['Speaker'].count()

我獲得了目標的一部分，我知道每個發言者說從列表中搜索的項目的時間。 但我無法區分每個項目的時間數。

1. 如何使用 Pandas 函數（如果存在）
2. 我怎么能用 Python 循環呢？

Answer 1

首先不要像變量一樣使用list ，因為內置（python 代碼字）。

將crosstab與Series.str.extractall一起Series.str.extractall ：

print (df)
  Script    Speaker
0    azc  Speaker 1 <-change sample data
1    art  Speaker 2
2    ghb  Speaker 3
3    jka  Speaker 1
4    tyc  Speaker 1
5    avv  Speaker 2
6    bhj  Speaker 1

L = ['a','b','c']
pat = r'({})'.format('|'.join(L))
df = df.set_index('Speaker')['Script'].str.extractall(pat)[0].reset_index(name='val')

df = pd.crosstab(df['Speaker'], df['val'])
print (df)
val        a  b  c
Speaker           
Speaker 1  2  1  2
Speaker 2  2  0  0
Speaker 3  0  1  0

如果性能不是那么重要，請使用 3 個文本函數Series.str.findall 、 Series.str.join和Series.str.get_dummies並按級別sum ：

df = (df.set_index('Speaker')['Script'].str.findall('|'.join(L))
        .str.join('|')
        .str.get_dummies()
        .sum(level=0))
print (df)
           a  b  c
Speaker           
Speaker 1  2  1  2
Speaker 2  2  0  0
Speaker 3  0  1  0

Answer 2

您可以將series.str.findall()與str.join()和str.get_dummies()與groupby().sum ：

l = ['a','b','c']
final=(df['Script'].str.findall('|'.join(l)).str.join('|')
  .str.get_dummies().groupby(df['Speaker']).sum())

---

           a  b  c
Speaker           
Speaker 1  2  1  1
Speaker 2  2  0  0
Speaker 3  0  1  0