如何检查数据框列是否包含来自另一个数据框列的字符串并返回 python pandas 中的相邻单元格？答案

【问题标题】：How do I check if dataframe column contains a string from another dataframe column and return adjacent cell in python pandas?如何检查数据框列是否包含来自另一个数据框列的字符串并返回 python pandas 中的相邻单元格？
【发布时间】：2020-06-22 01:39:29
【问题描述】：

我有 2 个数据框，一个包含我需要分类的一列字符串（df = 数据），另一个包含可能的类别和搜索词（df = 类别）。我想在“数据”数据框中添加一列，它会根据搜索词返回一个类别。例如：

数据：

**RepairName**
A/C is not cold
flat tyre is c
the tyre needs a repair on left side
the aircon is not cold

分类：

**Category**      **SearchTerm**
A/C               aircon
A/C               A/C
Tyre              repair
Tyre              flat

期望的结果数据：

**RepairName**                        **Category**
A/C is not cold                         A/C
flat tyre is c                          Tyre
the tyre needs a repair on left side    Tyre
the aircon is not cold                  A/C

我已经用 apply 尝试了以下 lambda 函数。我不确定我的列引用是否在正确的位置：

data['Category'] = data['RepairName'].apply(lambda x: categories['Category'] if categories['SearchTerm'] in x else "")

data['Category'] = [categories['Category'] if categories['SearchTerm'] in data['RepairName'] else 0]

但我不断收到错误消息：

TypeError: 'in <string>' requires string as left operand, not Series

这提供了基于 SearchTerm 的类别是否存在的真/假，但是我无法返回与搜索词关联的类别：

data['containName']=data['RepairName'].str.contains('|'.join(categories['SearchTerm']),case=False)

这两者有时都有效，但并非一直有效（也许是因为我的某些搜索词不止一个词？）

data['Category'] = [
    next((c for c, k in categories.values if k in s), None) for s in data['RepairName']] 

d = dict(zip(categories['SearchTerm'], categories['Category']))
data['CategoryCheck'] = [next((d[y] for y in x.split() if y in d), None) for x in data['RepairName']]

【问题讨论】：

标签： python pandas lambda apply isin

【解决方案1】：

我们先str.findall 然后map

s=df.RepairName.str.findall('|'.join(cat.SearchTerm.tolist())).str[0].\
    map(cat.set_index('SearchTerm').Category)
0     A/C
1    Tyre
2    Tyre
3     A/C
Name: RepairName, dtype: object
df['Category']=s

【讨论】：

感谢 YOBEN_S。那返回了所有的nan。你能解释一下为什么你这样写，也许我可以倒退吗？例如，为什么是 str[0]？为什么要使用 tolist？

【解决方案2】：

一旦我确保我的所有列都是小写的（我还删除了连字符和括号以更好地衡量），这就会起作用：

print("All lowercase")
data = data.apply(lambda x: x.astype(str).str.lower())
categories = categories.apply(lambda x: x.astype(str).str.lower())

print("Remove double spacing")
data = data.replace('\s+', ' ', regex=True)

print('Remove hyphens')
data["RepairName"] = data["RepairName"].str.replace('-', '')

print('Remove brackets')
data["RepairName"] = data["RepairName"].str.replace('(', '')
data["RepairName"] = data["RepairName"].str.replace(')', '')

data['Category'] = [
    next((c for c, k in categories.values if k in s), None) for s in data['RepairName']]

【讨论】：