python - 反向查找列表字典中的子字符串

Question

我正在努力寻找一种“pythonic”方式来使这个逻辑起作用:

我有一个包含一列字符串(“受益人”)的支付交易数据框:

<表类="s-表"><头>索引受益人<正文>12REWE SAGT DANKE。 ...13NaN14OBI BAU- U. HEIMWER//BERLIN/DE/OBI SAGT DANKE15Netflix 国际有限公司

我需要在我的数据框中创建另一列，这将是每一行所属的类别。

<表类="s-表"><头>索引受益人类别<正文>12REWE SAGT DANKE。 ...杂货14OBI BAU- U. HEIMWER//BERLIN/DE/OBI SAGT DANKE杂货15Netflix 国际有限公司娱乐

我正在考虑制作一个像下面这样的字典，并以某种方式反向查找类别字典中带有上面列的子字符串值:

categories = {"Groceries": ["EDEKA", "REWE", "OBI"],
            "Entertainment": ["NETFLIX"]}

逻辑是:如果子字符串“REWE”在 df['beneficiary'] 中，则 df['category'] 等于子字符串所在的 dict 元素的键。

我对其他映射逻辑持开放态度。

Answer 1

您可以使用正则表达式，为此您需要修改字典以将匹配的字符串作为键并将类别作为值:

categories = {"Groceries": ["EDEKA", "REWE", "OBI"],
              "Entertainment": ["NETFLIX"]}

cat_sub = {v:k for k,l in categories.items() for v in l}
regex = r'(%s)' % '|'.join(fr'\b{c}\b' for c in cat_sub)
# regex looks like this: (\bEDEKA\b|\bREWE\b|\bOBI\b|\bNETFLIX\b)

df['category'] = df['beneficiary'].str.extract(regex, expand=False).map(cat_sub)

注意。我使用单词边界 (\b) 来确保匹配完整的单词，如果您不这样做，请使用 regex = r'(%s)' % '|'.join(cat_sub) '想要这种行为

输出:

   index                                       beneficiary       category
0      12                             REWE SAGT DANKE. ...      Groceries
1      13                                              NaN            NaN
2      14  OBI BAU- U. HEIMWER//BERLIN/DE / OBI SAGT DANKE      Groceries
3      15                       NETFLIX INTERNATIONAL B.V.  Entertainment

注意。如果需要删除 NaN，请使用 dropna