从充满混乱的字符串列中获取虚拟变量

Question

我是 Python 和数据科学的不到一周的初学者，所以如果这些问题看起来很明显，请原谅我。

我在一个网站上抓取了数据，但很遗憾，结果的格式不是很好，如果不进行转换，我将无法使用它。

我的数据

我有一个字符串列，其中包含许多我想转换为虚拟变量的特征。

字符串示例：“8 个设备和选项extérieur et châssisjantes aluintérieurBluetoothfermeture électrique5 placessécuritékit téléphone main libre bluetoothABSautreAPPUI TETE ARclimatisation”

我想做的事

我想创建一个虚拟列“蓝牙”，如果字符串中包含模式“蓝牙”，则该列等于一，否则为零。

我想创建另一个虚拟列“Climatisation”，如果字符串中包含模式“climatisation”，则该列等于 1，否则为零。

...等

并针对我感兴趣的 5 或 6 个模式进行操作。

我的尝试

我想对正则表达式使用匹配测试并将其与 pd.getdummies 方法结合使用。

import re
import pandas as pd

def match(My_pattern,My_strng):
    m=re.search(My_pattern,My_strng)
    if m:
        return True
    else:
        return False

pd.getdummies(df["My messy strings colum"], ...)

我还没有成功找到如何解决 pd.getdummies 参数来指定我想在列上应用的测试。

我什至想知道这是否是最好的策略，以及是否更容易创建其他平行列并在我凌乱的字符串上应用 match.group() 来填充它们。 不确定我是否会知道如何编程。

感谢您的帮助

Answer 1

我认为一种方法是：

df.loc[df['My messy strings colum'].str.contains("bluetooth", na=False),'Bluetooth'] = 1
df.loc[~(df['My messy strings colum'].str.contains("bluetooth", na=False)),'Bluetooth'] = 0

df.loc[df['My messy strings colum'].str.contains("climatisation", na=False),'Climatisation'] = 1
df.loc[~(df['My messy strings colum'].str.contains("climatisation", na=False)),'Climatisation'] = 0

波浪号（~）代表不，所以本例中的条件反转为字符串不包含。

na = false 表示如果你的杂乱列中包含任何空值，这些都不会导致错误，只是假设它们不满足条件。