通过匹配lis中的字符串值在pandas数据帧中构建新列

Question

我正在尝试在pandas数据框中基于dataframe中已经存在的另一列SearchCol3构建一个新列NewCol4。测试SearchCol3的每个值，看它是否包含列表stings中的任何子字符串。如果SearchCol3中的值包含列表strings中的一个子字符串，则列表replacement中的相应值将插入到子字符串所在行的列NewCol4中。如果在SearchCol3的值中找不到子字符串，Col2中的值将插入NewCol4。在

预期结果：

    Col1  Col2    SearchCol3   NewCol4
0   20    'May'   'abc(feb)'   'February'
1   30    'March' 'def | mar'  'March'
2   40    'June'  'ghi | feb'  'February'
3   50    'July'  'jkl(apr)'   'April'
4   60    'May'   'mno(mar)'   'March'
5   70    'March' 'abc'        'March'

目前我正在使用此代码的工作。在

^{pr2}$

我的数据、搜索和替换数据帧和列表比本例要长得多。我正在寻找比我目前使用的更有效的方法来节省时间。有什么建议吗？在

Answer 1

还有一种方法：

data['NewCol4'] = data.Col2
for i,s in enumerate(strings):
    data.loc[data.SearchCol3.str.contains(s),'NewCol4']=replacement[i]

Answer 2

这对我很有用，而且从好的方面来说，是非常可读的！在

strings = ['jan', 'feb', 'mar', 'apr', 'may']
replacement = ['January', 'February', 'March', 'April', 'May']

def match_string(col3, col2):
    # if in col3, return that result. Else, lazy eval for col2. If neither, return empty string.
    k = ([replacement[strings.index(s)] for s in strings if s in col3]) or ([s for s in replacement if s in col2])
    return k[0] if k else ''

df['NewCol4'] = df.apply(lambda x: match_string(x['SearchCol3'], x['Col2']), axis=1)

输出：

^{pr2}$

Answer 3

一。str.提取物接受正则表达式。在

http://pandas.pydata.org/pandas-docs/version/0.15.2/generated/pandas.core.strings.StringMethods.extract.html#pandas.core.strings.StringMethods.extract

import pandas as pd
df = pd.DataFrame(
        {'Col1': [20, 30, 40, 50, 60, 70],
        'Col2': ['May','March','June','July','May','March'],
        'SearchCol3': ['abc(feb)','def | mar','ghi | feb','jkl(apr)','mno(mar)','abc']})


a_regex = '(jan|feb|mar|apr|may)'
month_replacements = {'jan': 'January','feb': 'February',
            'mar': 'March','apr': 'April','may': 'May'}

#Extract Using Regex
df['NewCol4'] = df['SearchCol3'].str.extract(a_regex).fillna('')
#Look up values from dictionary
df['NewCol4'] = df['NewCol4'].apply(lambda x: month_replacements.get(x,''))
#Use default value from other coumn if no other value
df['NewCol4'] = df.apply(lambda row: row['Col2'] if row['NewCol4'] == '' else row['NewCol4'], axis=1)

输出：

^{pr2}$