python - 在列表中的 pandas 列中查找关键字匹配的数量
问题描述
我有一个熊猫数据框,如下所示:
Type Keywords
---- --------
Animal [Pigeon, Bird, Raccoon, Dog, Cat]
Pet [Dog, Cat, Hamster]
Pest [Rat, Mouse, Raccoon, Pigeon]
Farm [Chicken, Horse, Cow, Sheep]
Predator [Wolf, Fox, Raccoon]
假设我有以下字符串:
input = "There is a dead rat and raccoon in my pool"
鉴于我对字符串进行标记并删除停用词,使其变为
input = [Dead, Rat, Raccoon, Pool]
我需要遍历每一行并找到关键字匹配次数最多的行。对于给定的示例,结果将如下所示:
Type Keywords Matches
---- -------- -------
Animal [Pigeon, Bird, Raccoon, Dog, Cat] 1
Pet [Dog, Cat, Hamster] 0
Pest [Rat, Mouse, Raccoon, Pigeon] 2
Farm [Chicken, Horse, Cow, Sheep] 0
Predator [Wolf, Fox, Raccoon] 1
输出将是匹配次数最多的前三个类型名称。
在上述情况下,由于“害虫”类别的匹配数最多,因此将被选为最高匹配。此外,将选择动物和捕食者类别。因此,按顺序输出将是:
output = [Pest, Animal, Predator]
使用嵌套的 for 循环执行此任务很容易,但由于我有数千个此类行,因此我正在寻找更好的解决方案。(另外由于某种原因,我在使用 pandas 的非内置函数时遇到了很多错误,也许是因为矢量化?)
我查看了 pandas 中内置的 groupby 和 isin 函数,但据我所知,它们无法让我得到我想要的输出(如果我在这个假设中不正确,我一点也不感到惊讶)。
接下来,我研究了 pandas 对集合和哈希图的使用,但不幸的是,我的编码知识和目前的能力还不够熟练,无法制定可靠的解决方案。这个 StackOverflow 链接尤其让我更接近我想要的,尽管它没有找到前三个匹配的行名。
我将不胜感激任何帮助或建议。
解决方案
你可以检查isin
df['Matches']=pd.DataFrame(df.Keywords.values.tolist()).isin(s).sum(1)
df.loc[df['Matches']>0,'Type'].values.tolist()
推荐阅读
- flutter - 参数 'text', 'onPressed', 'outlineBtn' 因为其类型不能有值 'null',但隐含的默认值是 'null'
- html - bootstrap 是否支持 col in row 没有容器
- java - 每个 Spring Boot 实例的日志文件
- flutter - 通知到达时如何调用函数?扑通扑通
- machine-learning - 对 sklearn 混淆矩阵标签轴进行排序?
- php - 按锚标记时下载longblob数据类型图像文件
- r - 使用闪亮仪表板的框功能时展开符号被截断
- react-native - 在 M1 上缺少 Safari 中的 React Native iOS 调试
- node.js - Mongoose Typescript 2 Schema 有一个使用其他模式的字段
- c - 我得到:“预期的';',','或')'之前'&'令牌“在C