python - Str 包含 from 列表并按列表项区分

Question

我有一个数据框df，有两列:脚本(带文本)和演讲者

Script  Speaker
aze     Speaker 1 
art     Speaker 2
ghb     Speaker 3
jka     Speaker 1
tyc     Speaker 1
avv     Speaker 2 
bhj     Speaker 1

我有以下列表:list = ['a','b','c']

我的目标是获得这样的矩阵/数据框，仅包含我列表中的项目。

Speaker     a    b    c
Speaker 1   2    1    1
Speaker 2   2    0    0
Speaker 3   0    1    0

我尝试了以下方法:

r = '|'.join(list)

nb_df = df[df['Script'].str.contains(r, case = False)]
df_target = nb_df.groupby('Speaker')['Speaker'].count()

我得到了目标的一部分，我知道每个说话者说了多少时间从列表中搜索的项目。但我无法区分每个项目的时间数。

1. 如何使用 pandas 函数(如果存在)制作它
2. 如何使用 Python 循环实现？

Answer 1

首先不要像变量一样使用list，因为内置(python代码字)。

使用crosstab与 Series.str.extractall :

print (df)
  Script    Speaker
0    azc  Speaker 1 <-change sample data
1    art  Speaker 2
2    ghb  Speaker 3
3    jka  Speaker 1
4    tyc  Speaker 1
5    avv  Speaker 2
6    bhj  Speaker 1

L = ['a','b','c']
pat = r'({})'.format('|'.join(L))
df = df.set_index('Speaker')['Script'].str.extractall(pat)[0].reset_index(name='val')

df = pd.crosstab(df['Speaker'], df['val'])
print (df)
val        a  b  c
Speaker           
Speaker 1  2  1  2
Speaker 2  2  0  0
Speaker 3  0  1  0

如果性能不是那么重要，请使用 3 个文本函数 Series.str.findall , Series.str.join和 Series.str.get_dummies和每个级别的总和:

df = (df.set_index('Speaker')['Script'].str.findall('|'.join(L))
        .str.join('|')
        .str.get_dummies()
        .sum(level=0))
print (df)
           a  b  c
Speaker           
Speaker 1  2  1  2
Speaker 2  2  0  0
Speaker 3  0  1  0