如何在字符串中搜索关键字、提取该字符串并将其放入新列中？

Question

我正在使用熊猫。这是我的 df：df = {'Product Name': ['Nike Zoom Pegasus', 'All New Nike Zoom Pegasus 4', 'Metcon 3', 'Nike Metcon 5']}我想搜索每个字符串值并仅提取产品类别，然后将提取的字符串值放在另一列（“类别”）中。您可能会注意到，产品名称没有正式的命名约定，因此 .split() 不适合使用。最终结果应如下所示：df = {'Product Name': ['Nike Zoom Pegasus', 'All New Nike Zoom Pegasus 4', 'Metcon 3', 'Nike Metcon 5'], 'Category': ['Pegasus', 'Pegasus', 'Metcon', 'Metcon]}我当前的代码是这样的，但出现错误：def get_category(product):if df['Product Name'].str.contains('Pegasus') or df['Product Name'].str.contains('Metcon'):    return productdf['Category'] = df['Product Name'].apply(lambda x: get_category(x))ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().希望你能帮忙。谢谢！

Answer 1

这个解决方案怎么样，当你有一个新类别时，你所要做的就是将新类别添加到 cats 数组中。

import pandas as pd

import numpy as np

df = pd.DataFrame({'Product Name': ['Nike Zoom Pegasus', 'All New Nike Zoom Pegasus 4', 'Metcon 3', 'Nike Metcon 5']})

cats = ["Pegasus","Metcon"]

df["Category"] = df["Product Name"].apply(lambda x: np.intersect1d(x.split(" "),cats)[0])

output

                  Product Name Category

0            Nike Zoom Pegasus  Pegasus

1  All New Nike Zoom Pegasus 4  Pegasus

2                     Metcon 3   Metcon

3                Nike Metcon 5   Metcon

Answer 2

使用pandas.Series.str.extract

>>> df = pd.DataFrame({'Product Name': ['Nike Zoom Pegasus', 'All New Nike Zoom Pegasus 4', 'Metcon 3', 'Nike Metcon 5']})

>>> cats = ["Pegasus","Metcon"]

>>> df['Category'] = df["Product Name"].str.extract("(%s)" % "|".join(cats))

                  Product Name Category

0            Nike Zoom Pegasus  Pegasus

1  All New Nike Zoom Pegasus 4  Pegasus

2                     Metcon 3   Metcon

3                Nike Metcon 5   Metcon

Answer 3

怎么样：

import pandas as pd

df = {'Product Name': ['Nike Zoom Pegasus', 'All New Nike Zoom Pegasus 4', 'Metcon 3', 'Nike Metcon 5']}

c = set(['Metcon', 'Pegasus'])

categories = [c.intersection(pn.split(' ')) for pn in df['Product Name']]

df['Categories'] = categories

print(df)

>> {'Product Name': ['Nike Zoom Pegasus', 'All New Nike Zoom Pegasus 4', 'Metcon 3', 'Nike Metcon 5'], 'Categories': [{'Pegasus'}, {'Pegasus'}, {'Metcon'}, {'Metcon'}]}

Answer 4

您的代码存在的问题如下：

• 您传递的是产品，但在检查时使用的是df["Product Name"]，这会返回整个系列。

• 此外，返回值是产品。但根据预期的答案，要么是Pegasus要么Metcon

我想你想要这样的东西。

def get_category(product):

    if "Pegasus" in product:

        return "Pegasus" 

    elif "Metcon" in product:

        return "Metcon"