迭代數據框列以在字符串中查找匹配項的最快方法

Question

這是來自大型數據幀的非常截斷的摘錄：

姓名	年齡	城市
本	66	紐約
搶	45	倫敦
詹姆士	22	洛杉磯

我還有許多字符串，每個字符串都包含不同的單詞，但會包含 name 列中的一個（不是更多）值。

例如：

1. “羅伯出生在倫敦”
2. “本曾經住在紐約”

對於每個字符串，我想遍歷“名稱”列以查找與字符串中的名稱匹配的名稱並返回該人的年齡。

所以在第一個例子中，期望的結果是 45，而在第二個例子中，期望的結果是 66。

我是 Pandas 的新手，正在苦苦掙扎。 誰能指出我正確的方向？

Answer 1

希望這可以幫助：

所有字符串的列表。 這可以是另一個數據框的一部分。 只需選擇此值所在的列並將其轉換為列表。

l = ['rob was born in London', "ben once lived in New York"]

您示例中的數據框

df = pd.DataFrame({'name': ['ben', 'rob', 'james'],
                    'age': [66, 45, 22],
                    'city': ['NY', 'LON', 'LA']})

存在string和age的最終數據集。

age_dat = pd.DataFrame()

第一個 for 循環遍歷原始 ( df ) 數據集中的名稱。 第二個 for 循環遍歷sentences列表（列表l ）。 如果在l中找到任何名稱，則將其附加到age_dat中。

for x in list(df.name):
   
    for z in l:
        if x in z:
            dat = pd.DataFrame()
            dat['string']=[z]
            dat['age'] = [df[df['name']==x].age.tolist()[0]]
       
            age_dat = age_dat.append(dat)

print(age_dat)



                          string  age
0  ben once lived in New York   66
0      rob was born in London   45

Answer 2

數據

s = pd.Series(['rob was born in London', "ben once lived in New York"])
df = pd.DataFrame({'name': ['ben', 'rob', 'james'],
                    'age': [66, 45, 22],
                    'city': ['NY', 'LON', 'LA']})

解決方案

who = s.str.extract('(' + ')|('.join(df.name) + ')').bfill(axis=1)[0]
age_by_name = dict(zip(df.name, df.age))
pd.DataFrame({'text': s, 'age': who.map(age_by_name)})


                      text  age
0   rob was born in London  45
1   ben once lived in New York  66

解釋

使用.str.extract獲取字符串中的名稱，然后將其與數據框匹配以獲取年齡。