python - 如果项目与子字符串不匹配,则从列表中删除项目,无论格式如何
问题描述
我有以下数据框:
df = pd.DataFrame()
df['full_string'] = [['apples and bananas', 'applesandbananasamongstothers', 'something else'],
['ApplesandBananas', 'apples and Bananas', 'bananas']]
df['substring'] = ['apples and bananas', 'apples and bananas']
期望的结果是将包含在 df['substring'] 中找到的文本的项目保留在 df['full_string'] 中,同时考虑到:
- 大小写,大写或小写无关紧要
- 单词之间的间距
- 单词可能包含与 df['substring'] 中的文本无关的其他文本
期望的结果:
df['outcome'] = [['apples and bananas', 'applesandbananasamongstothers'],
['ApplesandBananas', 'apples and Bananas', 'bananas']]
我尝试的是让 df['substring'] 的第一个关键字将其用作 df['full_string'] 的匹配器,但是,这不允许我在第二行保留 'bananas' 元素数据框。
(这在虚拟数据上效果不佳):
first_keyword = []
for i in df['substring']:
first_keyword.append(i.split(' ', 1)[0])
df['first_keyword'] = first_keyword
df['C'] = [x[0].lower() in (x[1].lower()) for x in zip(df['first_keyword'], df['full_string'])]
解决方案
为了简化示例,我选择使用包含您的虚拟数据的列表。你需要让它适应你的问题。此外,我将您的句子“期望的结果是将包含在 df['substring'] 中找到的文本的项目保留在 df['full_string'] 中”解释为 text = word。
full_str = ['apples and bananas', 'applesandbananasamongstothers', 'something else',
'ApplesandBananas', 'apples and Bananas', 'bananas']
sub_str = ['apples and bananas', 'red and blue']
# Extract words from sub strings
words_in_sub = [elt.split() for elt in sub_str]
# Flatten and remove duplicates
words_in_sub = list(set([item for sublist in words_in_sub for item in sublist]))
# Init output
output = list()
# Loop on the strings in full string
for full_s in full_str:
# Loop on the words to look for
for word in words_in_sub:
if word.lower() in full_s.lower():
output.append(full_s)
break
输出:
In: output
Out:
['apples and bananas',
'applesandbananasamongstothers',
'ApplesandBananas',
'apples and Bananas',
'bananas']
在 if 条件下处理小写/大写。间距由in
语句处理。其他文本的存在full_s
由in
语句处理。如果单词出现在字符串中的in
某处,则语句返回 True。当单词可能被认为存在于字符串中时,它会返回 False 的唯一情况是,如果单词被空格一分为二,例如'bana naan dapp les'
. 此示例不会保留在输出列表中。
编辑:多行。您也可以展平列表并使用第一个代码。
full_str = [['apples and bananas', 'applesandbananasamongstothers', 'something else'],
['ApplesandBananas', 'apples and Bananas', 'bananas']]
sub_str = [['apples and bananas'], ['apples and bananas']]
# Assuming same number of rows between full_str and sub_str
# And you want to keep element of full_str[k] according to sub strings in sub_str[k]
number_of_rows = len(full_str)
for k in range(number_of_rows):
# Extract words from sub strings
words_in_sub = [elt.split() for elt in sub_str[k]]
# Flatten and remove duplicates
words_in_sub = list(set([item for sublist in words_in_sub for item in sublist]))
# Init output
output = list()
# Loop on the strings in full string
for full_s in full_str[k]:
# Loop on the words to look for
for word in words_in_sub:
if word.lower() in full_s.lower():
output.append(full_s)
break
推荐阅读
- javascript - 无法循环通过
- 项目 JQUERY
- c# - 如何编写代码来扣除一个生命值?
- c# - VisualStudio 社区问题 - LINQ to SQL
- javascript - 用自定义 html 替换文本
- python - Python - Tkinter - ttk.Entry 中的不可见文本在子窗口中
- spring-boot - Spring Boot 向 Weblogic JMS 队列发送消息失败,“weblogic.messaging.dispatcher.DispatcherImpl 未导出,或者实际上是 JRMP 存根”
- linux - VPS 上的两个 IP 地址,用于通过 SSH 和 Web 进行不同的连接
- android - 为什么BLE连接失败
- javascript - 如何将以下回调代码更改为 async/await 版本?
- spring-boot - 使用 Spring Cloud Stream Kafka 进行手动确认的批处理