python - 在 pandas 数据框列中搜索特定的字符串集，然后搜索该字符串

Question

我想在特定列中搜索一组值。如果发生匹配，则返回匹配的字符串。目前我只能得到 true 或 false 的回复。步骤如下:

1. 创建 df:

Cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4', np.nan],
    'Price': [22000,25000,27000,35000, 29000],
    'Liscence Plate': ['ABC 123', 'XYZ 789', 'CBA 321', 'ZYX 987', 'DEF 456']}

df = pd.DataFrame(Cars,columns= ['Brand', 'Price', 'Liscence Plate'])

搜索特定值集:

search_for_these_values = ['Honda', 'Toy', 'Ford Focus', 'Audi A4 2019']
pattern = '|'.join(search_for_these_values)
df['Match'] = df["Brand"].str.contains(pattern, na=False)

打印 df:

print(df)
Brand   Price           Liscence Plate      Match
0       Honda Civic     22000    ABC 123    True
1       Toyota Corolla  25000    XYZ 789    True
2       Ford Focus      27000    CBA 321    True
3       Audi A4         35000    ZYX 987    False
4       NaN             29000    DEF 456    False

我希望匹配列具有以下内容:

Brand   Price           Liscence Plate      Match
0       Honda Civic     22000    ABC 123    Honda
1       Toyota Corolla  25000    XYZ 789    Toy
2       Ford Focus      27000    CBA 321    Ford Focus
3       Audi A4         35000    ZYX 987    
4       NaN             29000    DEF 456    

Answer 1

你可以使用

pattern = r'({})'.format('|'.join(sorted(search_for_these_values, key=len, reverse=True)))
df['Match'] = df["Brand"].str.extract(pattern, expand=False)

输出:

>>> df
            Brand  Price Liscence Plate       Match
0     Honda Civic  22000        ABC 123       Honda
1  Toyota Corolla  25000        XYZ 789         Toy
2      Ford Focus  27000        CBA 321  Ford Focus
3         Audi A4  35000        ZYX 987         NaN
4             NaN  29000        DEF 456         NaN

详细信息:

• sorted(search_for_these_values, key=len,verse=True) - 由于您的关键字包含多词条目，因此您需要首先确保在生成的交替模式中较长的术语出现在较短的术语之前(因为在 NFA 正则表达式中，第一个替代项匹配“获胜”，并且正则表达式库停止在当前位置搜索其余替代项)
• '|'.join(...) - 交替模式是根据排序的关键字构建的
• r'({})'.format(...) - 交替包含在 Series.str.extract 所必需的捕获组中正常工作(仅当正则表达式模式中至少有一个捕获组时才会输出结果)。