- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有 2 个数据框:df_mentions
,其中有网址;media
,其中有一些期刊的信息。我需要使用媒体中包含的信息不断更新 df_mentions
。
Mentions=['https://www.lemonde.fr/football/article/2019/07/08/coupe-du-monde-feminine-2109-au-sein-de-chaque-equipe-j-ai-vu-de-grandes-joueuses_5486741_1616938.html','https://www.telegraph.co.uk/world-cup/2019/06/12/womens-world-cup-2019-groups-complete-guide-teams-players-rankings/','https://www.washingtonpost.com/sports/dcunited/us-womens-world-cup-champs-arrive-home-ahead-of-parade/2019/07/08/48df1a84-a1e3-11e9-a767-d7ab84aef3e9_story.html?utm_term=.8f474bba8a1a']
Date=['08/07/2019','08/07/2019','08/07/2019']
Publication=['','','']
Country=['','','']
Foundation=['','','']
Is_in_media=['','','']
df_mentions=pd.DataFrame()
df_mentions['Mentions']=Mentions
df_mentions['Date']=Date
df_mentions['Source']=Source
df_mentions['Country']=Country
df_mentions['Foundation']=Foundation
df_mentions['Is_in_media']=Is_in_media
Source=['New York times','Lemonde','Washington Post']
Link=['https://www.nytimes.com/','https://www.lemonde.fr/','https://www.washingtonpost.com/']
Country=['USA','France','USA']
Foundation=['1851','1944','1877']
media=pd.DataFrame()
media['Source']=Source
media['Link']=Link
media['Country']=Country
media['Foundation']=Foundation
media
媒体
我需要检查链接的来源是否包含在媒体中,并从中提取数据以填充 df_mentions 并获得以下结果:
我所做的是:
for index in range(0,len(media)):
for index2 in range(0,len(df_mentions)):
if str(media['Link'][index])in str(df_mentions['Mentions'][index2]):
df_mentions['Publication'][index2]=media['Publication'][index]
df_mentions['Country'][index2]=media['Country'][index]
df_mentions['Foundation'][index2]=media['Foundation'][index]
df_mentions['Is_in_media'][index2]='Yes'
else:
df_mentions['Is_in_media'][index2]='No'
df_mentions
但是它在我的笔记本上运行一次,如果我关闭笔记本就会出现错误,我使用的是 Pandas 0.24.0。有没有更好的方法来做到这一点并允许始终工作?
提前致谢!我们将不胜感激所有帮助!
最佳答案
您可以做的一件事是提取 df_mentions
中的 URL 并将其用作合并的 key
起始数据(删除了 df_mentions
中的空列):
print(df_mentions)
Mentions Date
0 https://www.lemonde.fr/football/article/2019/0... 08/07/2019
1 https://www.telegraph.co.uk/world-cup/2019/06/... 08/07/2019
2 https://www.washingtonpost.com/sports/dcunited... 08/07/2019
print(media)
Source Link Country Foundation
0 New York times https://www.nytimes.com/ USA 1851
1 Lemonde https://www.lemonde.fr/ France 1944
2 Washington Post https://www.washingtonpost.com/ USA 1877
创建一个包含基本 URL 的新列:
df_mentions['url'] = df_mentions['Mentions'].str.extract(r'(http[s]?:\/\/.+?\/)')
Mentions Date url
0 https://www.lemonde.fr/football/articl... 08/07/2019 https://www.lemonde.fr/
1 https://www.telegraph.co.uk/world-cup/... 08/07/2019 https://www.telegraph.co.uk/
2 https://www.washingtonpost.com/sports/... 08/07/2019 https://www.washingtonpost.com/
合并时使用新列作为键:
df_mentions.merge(media,
left_on='url',
right_on='Link',
how='left').drop(columns=['url', 'Link'])
Mentions Date Source Country Foundation
0 https://www.lemonde.fr/football/art... 08/07/2019 Lemonde France 1944
1 https://www.telegraph.co.uk/world-c... 08/07/2019 NaN NaN NaN
2 https://www.washingtonpost.com/spor... 08/07/2019 Washington Post USA 1877
关于python - Pandas 将另一个数据框中的值复制到我的数据框中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56960547/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!