熊猫数据框提取字符串

Question

我的数据框有一个名为“a”的列，它可能包含“apple”和“orange”。我想要的是提取它们（如果存在），否则标记为“其他”。

我可以简单地遍历行并提取它们。但是，我看到numpy.where() 用于类似目的的一些用法，但只有两个类别。

result = numpy.where(df['a'].str.contains('apple'), 'apple', 'others')

是否可以将其应用于3个类别的情况？换句话说，result 应该包含“apple”、“orange”或“others”的条目。

有没有比简单循环更好的方法？

Answer 1

只需使用np.in1d 查找apple 或mango 的项目即可创建一个布尔掩码，然后可以将其与np.where 一起使用以将其余项目设置为others。因此，我们会有 -

df['b'] = np.where(np.in1d(df.a,['apple','orange']),df.a,'others')

如果您可能希望使用将这些名称作为较大字符串的一部分的字符串，您可以使用str.extract（从@jezrael's solution 获得这个想法，我希望没关系！）然后使用@987654330 @，就像这样 -

strings = df.a.str.extract('(orange|apple)')
df['b'] = np.where(np.in1d(strings,['apple','orange']),strings,'others')

示例运行 -

In [294]: df
Out[294]: 
             a
0  apple-shake
1       orange
2  apple-juice
3        apple
4        mango
5       orange
6       banana

In [295]: strings = df.a.str.extract('(orange|apple)')

In [296]: df['b'] = np.where(np.in1d(strings,['apple','orange']),strings,'others')

In [297]: df
Out[297]: 
             a       b
0  apple-shake   apple
1       orange  orange
2  apple-juice   apple
3        apple   apple
4        mango  others
5       orange  orange
6       banana  others

Answer 2

将str.extract 与fillna 一起使用：

df = pd.DataFrame({'a': ['orange','apple','a']})
print (df)
        a
0  orange
1   apple
2       a

df['new'] = df.a.str.extract('(orange|apple)', expand=False).fillna('others')
print (df)
        a     new
0  orange  orange
1   apple   apple
2       a  others