Python Pandas DataFrame如果索引包含任何字符串值，则应用Label，否则应用不同的Lab

Question

我有一个输出下表的数据帧。注意，“Search term”是索引。在

Search term                 Impressions Clicks  Cost     Converted clicks
american brewing            286446      104862  8034.18  6831
american brewing supplies   165235      64764   3916.48  4106
brewing supplies            123598      8131    6941.87  278
wine bottles                272969      7438    4944.7   194
www americanbrewing com     2782        1163    227.17   120
home brewing                216138      3744    3468.24  110
wine making                 147985      6602    5024.54  108

如果“搜索项”（索引）包含'american brewing'或'americanbrewing'，则应用标签'Brand'，否则将'Non-brand'应用于标题为Label的列。在

^{pr2}$

我在StackOverflow上看到了很多这样的例子：

df['Label'] = df[df['SomeColumn'].str.contains('american brewing|americanbrewing')]

但这不起作用，因为我的'SomeColumn'是df.index，当我尝试类似的操作时：

df['Label'] = df[df.index.str.contains('american brewing|americanbrewing')]

我得到错误AttributeError: 'Index' object has no attribute 'str'

我还看到了使用np.where的例子，看起来很有前途，但是我仍然遇到了同样的问题，因为'Search term'不是一个列，而是index。在

df['Label'] = np.where(df['Search term'].str.contains('american brewing|americanbrewing', 'Brand', 'Non-brand')

以下是我的完整代码：

import pandas as pd
import numpy as np

brand_terms = ['american brewing', 'americanbrewing']

data = pd.read_csv(r'sqr.csv', encoding='cp1252')

df = pd.DataFrame(data)
df['Search term'] = df['Search term'].replace(r'[^\w&\' ]', '', regex=True)
df['Cost'] = df['Cost'].replace(r'[^\d\.]', '', regex=True).astype('float')
#print(df.dtypes)
grouped = df.groupby('Search term')
result = grouped[['Impressions', 'Clicks', 'Cost', 'Converted clicks']].sum()
result = result.sort(['Converted clicks','Cost'], ascending=False)

#This doesn't work
result['Label'] = result.where(result['Search term'].str.contains('|'.join(brand_terms), 'Brand', 'Non-brand'))

result.to_csv('sqr_aggregate.csv')

我如何根据Search term（索引）是否包含几个可能的字符串值中的任何一个，输出Label列？其中True，applyBrand，否则，将Non-brand应用到Label列。在

Answer 1

如果您不想重置索引，这里有一种方法。在

您可以将index转换为Series，并应用转换。在

In [16]: np.where(pd.Series(df.index).str.contains('american brewing|americanbrewing'),
                  'Brand', 'Non-Brand')
Out[16]:
array(['Brand', 'Brand', 'Non-Brand', 'Non-Brand', 'Brand', 'Non-Brand',
       'Non-Brand'],
      dtype='|S9')