python - 通过匹配列表中的字符串值在 Pandas 数据框中构建新列

Question

我正在尝试在基于数据框中已有的另一列 SearchCol3 的 pandas 数据框中构建一个新列 NewCol4。 SearchCol3 的每个值都经过测试，以查看它是否包含列表 stings 中的任何子字符串。如果 SearchCol3 中的值包含列表 strings 中的子字符串之一，则将列表 replacement 中的相应值插入到列中NewCol4 子字符串所在的同一行。如果在 SearchCol3 的值中未找到子字符串，则 Col2 的值> 被插入到 NewCol4 中。

期望的结果:

    Col1  Col2    SearchCol3   NewCol4
0   20    'May'   'abc(feb)'   'February'
1   30    'March' 'def | mar'  'March'
2   40    'June'  'ghi | feb'  'February'
3   50    'July'  'jkl(apr)'   'April'
4   60    'May'   'mno(mar)'   'March'
5   70    'March' 'abc'        'March'

目前我正在使用这个代码来完成这项工作。

strings = ['jan',
           'feb',
           'mar',
           'apr',
           'may']

replacement = ['January',
               'Febuary',
               'March',
               'April',
               'May']


data = pandas.read_csv('data.csv')

data['NewCol4'] = ''

for j in range(len(strings)):
    for i in range(len(data)):
        if strings[j] in data.SearchCol3[i]:
            data.NewCol4[i] = replacement[j]


for i in range(len(data)):
    if data.NewCol4[i] == '':
        data.NewCol4[i] = data.Col2[i]

我的数据、搜索和替换数据框和列表比本例中的要长得多。我正在寻找比我目前使用的方法更有效的方法来节省时间。有什么建议吗？

Answer 1

这对我有用，而且从好的方面来说，它非常可读!

strings = ['jan', 'feb', 'mar', 'apr', 'may']
replacement = ['January', 'February', 'March', 'April', 'May']

def match_string(col3, col2):
    # if in col3, return that result. Else, lazy eval for col2. If neither, return empty string.
    k = ([replacement[strings.index(s)] for s in strings if s in col3]) or ([s for s in replacement if s in col2])
    return k[0] if k else ''

df['NewCol4'] = df.apply(lambda x: match_string(x['SearchCol3'], x['Col2']), axis=1)

输出:

    Col2 SearchCol3   NewCol4
0    May   abc(feb)  February
1  March  def | mar     March
2   June  ghi | feb  February
3   July   jkl(apr)     April
4    May   mno(mar)     March
5  March        abc     March