时间戳

首页 > 解决方案 > 如何测试字符串是否包含存储在熊猫列表列中的子字符串之一？

python - 如何测试字符串是否包含存储在熊猫列表列中的子字符串之一？

问题描述

我的问题与如何在熊猫中测试字符串是否包含列表中的子字符串之一非常相似？除了要检查的子字符串列表因观察而异并存储在列表列中。有没有办法通过引用系列以矢量化方式访问该列表？

示例数据集

import pandas as pd

df = pd.DataFrame([{'a': 'Bob Smith is great.', 'b': ['Smith', 'foo'])},
                   {'a': 'The Sun is a mass of incandescent gas.', 'b': ['Jones', 'bar']}])
print(df)

我想生成第三列“c”，如果任何“b”字符串是其各自行的“a”的子字符串，则它等于 1，否则为零。也就是说，我希望在这种情况下：

                                        a             b  c
0                     Bob Smith is great.  [Smith, foo]  1
1  The Sun is a mass of incandescent gas.  [Jones, bar]  0

我的尝试：

df['c'] = df.a.str.contains('|'.join(df.b))  # Does not work.


---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
/tmp/ipykernel_4092606/761645043.py in <module>
----> 1 df['c'] = df.a.str.contains('|'.join(df.b))  # Does not work.

TypeError: sequence item 0: expected str instance, list found

标签： pythonpandasstringdataframematch

解决方案

您可以只使用zip并列出理解：

df['c'] = [int(any(w in a for w in b)) for a, b in zip(df.a, df.b)]

df
#                                        a             b  c
#0                     Bob Smith is great.  [Smith, foo]  1
#1  The Sun is a mass of incandescent gas.  [Jones, bar]  0

如果您不关心大小写：

df['c'] = [any(w.lower() in a for w in b) for a, b in zip(df.a.str.lower(), df.b)]

推荐阅读