根据另一个单词的存在创建新列答案

【问题标题】：make new column based on presence of a word in another根据另一个单词的存在创建新列
【发布时间】：2019-11-27 16:15:49
【问题描述】：

我有

pd.DataFrame({'text':['fewfwePDFerglergl','htrZIPg','gemlHTML']})
    text
0   wePDFerglergl
1   htrZIPg
2   gemlHTML

10k 行长的列。每列包含 ['PDF','ZIP','HTML'] 之一。文本中每个条目的长度最大为 14 个字符。

我如何获得：

pd.DataFrame({'text':['wePDFerglergl','htrZIPg','gemlHTML'],'file_type':['pdf','zip','html']})
    text            file_type
0   wePDFerglergl   pdf
1   htrZIPg         zip
2   gemlHTML        html

我尝试df.text[0].find('ZIP') 单个条目，但不知道如何将它们拼接在一起以测试并返回列中每一行的正确值

有什么建议吗？

【问题讨论】：

标签： pandas dataframe substring

【解决方案1】：

我们可以在这里使用str.extract 和正则表达式标志以区分大小写(?i)

words =  ['pdf','zip','html']
df['file_type'] = df['text'].str.extract(f'(?i)({"|".join(words)})')

或者我们使用flags=re.IGNORECASE 参数：

import re
df['file_type'] = df['text'].str.extract(f'({"|".join(words)})', flags=re.IGNORECASE)

输出

                text file_type
0  fewfwePDFerglergl       PDF
1            htrZIPg       ZIP
2           gemlHTML      HTML

如果要将file_type 设为小写，请链接str.lower()：

df['file_type'] = df['text'].str.extract(f'(?i)({"|".join(words)})')[0].str.lower()

                text file_type
0  fewfwePDFerglergl       pdf
1            htrZIPg       zip
2           gemlHTML      html

详情：管道 (|) 是正则表达式中的 or 运算符。所以：

"|".join(words)

'pdf|zip|html'

我们得到以下伪代码：

从我们的字符串中提取“pdf”或“zip”或“html”

【讨论】：

【解决方案2】：

您可以为此使用正则表达式：

import re
regex = re.compile(r'(PDF|ZIP|HTML)')

这匹配任何所需的子字符串。为了在适当的情况下按顺序提取这些匹配，这里有一个单行：

file_type = [re.search(regex, x).group().lower() for x in df['text']]

这将返回以下列表：

['pdf', 'zip', 'html']

然后添加列：

df['file_type'] = file_type

【讨论】：