Skip to main content
 首页 » 编程设计

python之pandas str.contains 匹配多个字符串并获取匹配的值

2025年02月15日22JustinYoung

在下面的示例中,我能够将包含文本数据的 pandas 列与多个字符串集合进行匹配。输出只会告诉我 df.col1 单元格的任何部分是否包含集合中的元素之一。它不会告诉我是哪一个!我有兴趣得到准确的结果(字符串匹配或更好的是它在集合数组中的位置)

words = ['dog', 'monkey'] 
pat = "|".join(map(re.escape, words)) 
 
df = pd.DataFrame({'col1':['lion bites dog','dog bites monkey','monkey bites man','man bites apple']}) 
df.loc[df.col1.str.contains(pat),'col1'] 

我需要知道集合中的哪个字符串(上面的单词)匹配的原因是因为集合中的每个元素都可以映射到一个数值。喜欢

words_dict = {'dog':'1', 'monkey':'2'} 

我或许可以尝试df.map(dict)但在实际情况下,集合存储在pandas dataframe

words_df = pd.DataFrame({1:['dog'], 2:['monkey']}) 

我可以想到一个相当迂回的解决方案,即迭代检查集合中的每个元素,但如果集合中的元素数量很大,这似乎效率很低。

编辑//

所需的输出可以是:

[0,0,1,NaN] or ['dog','dog','monkey',False] 

请您参考如下方法:

概念 1
使用集合

s = df.col1.str.split().apply(set) 
 
s - (s - set(words)) 
 
0            {dog} 
1    {monkey, dog} 
2         {monkey} 
3               {} 
Name: col1, dtype: object 

概念 2
使用 str.get_dummies

df.col1.str.get_dummies(sep=' ')[words] 
 
   dog  monkey 
0    1       0 
1    1       1 
2    0       1 
3    0       0 

拉伸(stretch)这个以获得想要的结果

d1 = df.col1.str.get_dummies(sep=' ') 
d2 = d1.loc[:, d1.columns.intersection(words)] 
d2[d2.any(1)].idxmax(1).reindex(d2.index) 
 
0       dog 
1       dog 
2    monkey 
3       NaN 
dtype: object 

概念 3
使用 numpy

s = df.col1.str.split(expand=True).stack() 
a = s.values[:, None] == [words] 
 
pd.Series(np.where(a.any(1), a.argmax(1), np.nan), s.index).groupby(level=0).min() 
 
0    0.0 
1    0.0 
2    1.0 
3    NaN 
dtype: float64