檢查是否存在與列表中的字符串匹配的 substring

Question

這里有點初學者問題； 我目前有一個 pandas df，其中一列包含各種不同的字符串。 我還有一些當前為空的列。 下面前幾行的示例；

Risk,Cost,Productivity,Security
"Unforeseen cost due to CCTV failures",,,
"Unexpected drop in Productivity",,,

我還創建了一組列表，如下所示；

Cost = ['Cost']
Productivity = ['Productivity']
Security = ['Security','CCTV','Camera']

基本上我想要做的是我想通過每一列 go 並檢查同一行上“風險”列中的字符串是否包含與列表中的一個字符串匹配的 substring。 理想的 output 如下：

Risk,Cost,Productivity,Security
"Unforeseen cost due to security issues",TRUE,FALSE,TRUE
"Unexpected drop in Productivity",FALSE,TRUE,FALSE

到目前為止，我已經嘗試了幾種不同的方法，例如

any(Cost in Risk for Cost in Costs)

但是，我不確定是否有辦法避免 any() function 區分大小寫，而且我不確定如何將其應用於整個專欄。我確實嘗試過

df['Cost'] = any(Cost in df['Risk'] for Cost in Costs)

但這返回了一個充滿“FALSE”的列。 任何朝着正確方向的輕推將不勝感激！ 謝謝

Answer 1

我們可以創建一個對應於Cost 、 Security和Productivity列表中的每一個的正則表達式模式，然后使用str.contains測試列Risk的字符串中每個正則表達式模式的出現

for c in ('Cost', 'Productivity', 'Security'):
    df[c] = df['Risk'].str.contains(fr"(?i)\b(?:{'|'.join(locals()[c])})\b")

---

                                   Risk   Cost  Productivity  Security
0  Unforeseen cost due to CCTV failures   True         False      True
1       Unexpected drop in Productivity  False          True     False

Answer 2

首先創建/定義一個 function：

def check():
    res=[]
    for x in Search:
        res.append(df['Risk'].str.split(' ',expand=True).isin(x).any(1))
    return pd.DataFrame(res).T

最后：

df[['Cost','Productivity','Security']]=check()

Output 的df ：

    Risk                                    Cost    Productivity    Security
0   Unforeseen cost due to CCTV failures    False   False           True
1   Unexpected drop in Productivity         False   True            False

Answer 3

我會將所有內容都設為小寫以獲取所有匹配項，而不考慮大小寫，然后將要檢查的句子和單詞都轉換為集合，然后檢查是否有任何匹配項：

from io import StringIO

txt = '''Risk,Cost,Productivity,Security
"Unforeseen cost due to CCTV failures",,,
"Unexpected drop in Productivity",,,'''

df = pd.read_csv(
    StringIO(txt),
    sep=',',
    index_col=None,
    header=0
)
df['Risk'] = df['Risk'].str.lower()
df.columns = [item.lower() for item in df.columns]
print(df)

key_dict = {
    'cost': set([item.lower() for item in ['Cost']]),
    'productivity': set([item.lower() for item in ['Productivity']]),
    'security': set([item.lower() for item in ['Security','CCTV','Camera']])
}

for idx in df.index:
    word_set = set(df.loc[idx, 'risk'].split())
    print(word_set)

    for col in key_dict:
        if len(word_set & key_dict[col]) > 0:
            df.loc[idx, col] = True
        else:
            df.loc[idx, col] = False

                                   risk   cost productivity security
0  unforeseen cost due to cctv failures   True        False     True
1       unexpected drop in productivity  False         True    False