从子字符串分配列中的值

Question

我是 Pandas 的新手，很难找出解决以下问题的最佳方法：

我有一个 Dataframe，其中有一列名为 Email，如下所示：

Email
abc@yahoo.com
defg@gmail.com
NAN
ghi@yahoo.com
jkl@gmail.com.it

我将“@”上的字符串分开以创建域列，并希望使用该列在新列中分配关键字。例如，如果域包含单词“yahoo”，则在新列中将其命名为“Yahoo Account”。如果它不包含单词“yahoo”，则为其分配值“Other Domain”，如果它是 NaN，则将其称为“Unknown”。

名为 Affiliation 的新列如下所示：

Affiliation 
Yahoo Account 
Other Domain 
Unknown 
Yahoo Account 
Other Domain

有超过 2,000 种不同类型的域，因此我正在寻找一种方法，我不会将所有唯一域列出和映射为“雅虎帐户”或“其他域”。

我研究了几个选项，其中之一是 where 子句，但它将 NaN 值分配给 Other Domain 关键字。

df['Affiliation'] = np.where(df['Domain']=='yahoo', 'Yahoo Account', 'Other Domain')

我也开始考虑使用替换子句，但由于需要将大量唯一域添加到 other_affiliations，因此我认为这不是最好的方法。见下文：

yahoo_affiliations = (r'(yahoo\S*)')
other_affiliations= (r'(gmail\S*)|(hotmail\S*)|(outlook\S*)')

# Create a new column called Affiliation from Domains
df['Affiliation'] = df['Domain']

# Fill NaN with Unknwon
df['Affiliation']  = df['Affiliation'].fillna('Unknown')

replacements = {
           'Affiliation': {yahoo_affiliations: 'Yahoo Account',
                                        other_affiliations: 'Other Domain'}
                        }

df.replace(replacements, regex=True, inplace=True)

Answer 1

您可以像这样拆分它们以获取映射

email_map = {'yahoo.com': 'Yahoo Account',
'gmail.com': 'Other Domain',
'gmail.com.it': 'Other Domain' 
}
dfa['domain'] = dfa['Email'].str.extract(r'.*?@(.*)') 
dfa['Affiliation'] = dfa['domain'].map(email_map).fillna('Unknown') 

输出：

              Email        domain    Affiliation
0     abc@yahoo.com     yahoo.com  Yahoo Account
1     def@gmail.com     gmail.com   Other Domain
2               NAN           NaN        Unknown
3     ghi@yahoo.com     yahoo.com  Yahoo Account
4  jkl@gmail.com.it  gmail.com.it   Other Domain