我有一个数据框,其中一列包含网址。我想将它与字符串值列表进行比较,并在它们匹配的任何地方添加一个数字到新列。
该列看起来像这样:
source
www.fox5.com/some_article
www.nyt.com/some_article
www.fox40news.com/some_article
www.cnn.com/another_article
...
我想将它与这个列表进行比较:
sources = ['fox', 'yahoo', 'abcnews', 'google', 'cnn', 'nyt', 'nbc',
'washingtonpost', 'wsj', 'huffingtonpost']
并将源值包含在源列中的位置将列表位置的相应编号添加到新列中。因此,生成的新列看起来像这样:
sources sourcenum
www.fox5.com/some_article 1
www.nyt.com/some_article 6
www.fox40news.com/some_article 1
www.cnn.com/another_article 5
... ...
我尝试使用带有计数的 for 循环:
count = 1
for x in sources:
if x in df.source.values:
df.sourcenum = count
count += 1
但输出只是全0
我也尝试过在不接受 10 个参数的地方使用 numpys。
如果这样效果更好,可以将列表更改为字典
sources = {'fox':1, 'yahoo':2, 'abcnews':3, 'google':4, 'cnn':5, 'nyt':6,
'nbc':7, 'washingtonpost':8, 'wsj':9, 'huffingtonpost':10}
任何帮助将不胜感激,谢谢。
请您参考如下方法:
一种方法是使用带有enumerate 的生成器表达式。在下面的实现中,我们循环遍历枚举的 sources 列表。 next 提取部分匹配的第一个实例。如果不存在部分匹配,则返回 0。
sources = ['fox', 'yahoo', 'abcnews', 'google', 'cnn', 'nyt', 'nbc',
'washingtonpost', 'wsj', 'huffingtonpost']
def sourcer(x):
return next((i for i, j in enumerate(sources, 1) if j in x), 0)
df['sourcenum'] = df['source'].apply(sourcer)
print(df)
source sourcenum
0 www.fox5.com/some_article 1
1 www.nyt.com/some_article 6
2 www.fox40news.com/some_article 1
3 www.cnn.com/another_article 5
