问根据列表更新数据框值
EN

Stack Overflow用户

提问于 2020-09-28 19:29:46

回答 3查看 71关注 0票数 6

我有一个dataframe，基于名为"originator“的列中的字符串，我想检查该字符串是否有驻留在另一个列表中的单词。如果字符串中有一个位于上述列表中的单词，则将列originator_prediction更新为"org“。

有没有更好的方法来做这件事？我用下面的方法做了，但是很慢。

for row in df['ORIGINATOR'][1:]:
    string = str(row)
    splits = string.split()
    for word in splits:
        if word in COMMON_ORG_UNIGRAMS_LIST:
            df['ORGINATOR_PREDICTION'] = 'Org'
        else:
            continue

df  = pd.DataFrame({'ORIGINATOR':  ['JOHN DOE', 'APPLE INC', 'MIKE LOWRY'],
        'ORGINATOR_PREDICTION': ['Person', 'Person','Person']})

COMMON_ORG_UNIGRAMS_LIST = ['INC','LLC','LP']

具体地说，如果您查看数据框中的第2行，"APPLE INC“应该有一个originator_prediction = 'ORG‘而不是person。

原因是，我们循环通过我们共同的组织单字表，单词INC就在其中。

python

pandas

nested-loops

回答 3

Stack Overflow用户

发布于 2020-09-28 19:54:32

您的代码不会给出正确的结果，因为在使用df['ORGINATOR_PREDICTION'] = 'Org'进行每次检查之后，您会将该列中的所有行都赋给该值。这将导致该列中的所有行都具有值Org。另外，我不明白为什么要在循环中添加[1:]。如果您试图避免使用列名，则它不会选择列名。我已经对你的代码做了一些修改，它可以正常工作

org_or_person_list = []
for row in df['ORIGINATOR']:
    splits = row.split()
    org_or_person_list.append('Org' if set(splits) & set(COMMON_ORG_UNIGRAMS_LIST) else 'Person')

df['ORGINATOR_PREDICTION'] = org_or_person_list

输出：

    ORIGINATOR  ORGINATOR_PREDICTION
0   JOHN DOE    Person
1   APPLE INC   Org
2   MIKE LOWRY  Person

票数 3

Stack Overflow用户

发布于 2020-09-28 19:51:43

尝试一下，使用带有contains方法的.str、string访问器。我们可以使用join为字符串列表创建正则表达式：

df.loc[df['ORIGINATOR'].str.contains('|'.join(COMMON_ORG_UNIGRAMS_LIST)), 'ORGINATOR_PREDICTION'] = 'Org'

输出：

   ORIGINATOR ORGINATOR_PREDICTION
0    JOHN DOE               Person
1   APPLE INC                  Org
2  MIKE LOWRY               Person

完整代码：

df  = pd.DataFrame({'ORIGINATOR':  ['JOHN DOE', 'APPLE INC', 'MIKE LOWRY'],
        'ORGINATOR_PREDICTION': ['Person', 'Person','Person']})

COMMON_ORG_UNIGRAMS_LIST = ['INC','LLC','LP']

df.loc[df['ORIGINATOR'].str.contains('|'.join(COMMON_ORG_UNIGRAMS_LIST)),'ORGINATOR_PREDICTION'] = 'Org'

print(df)

票数 2

Stack Overflow用户

发布于 2020-09-28 20:11:11

替代解决方案：

df  = pd.DataFrame({
    'ORIGINATOR':  ['JOHN DOE', 'APPLE INC', 'MIKE LOWRY'],
    'ORIGINATOR_PREDICTION': ['Person', 'Person','Person']
})

COMMON_ORG_UNIGRAMS_LIST = ['INC','LLC','LP']

df.loc[df['ORIGINATOR'].apply(lambda x: len(set(x.split(' ')) & set(COMMON_ORG_UNIGRAMS_LIST)) > 0), 'ORIGINATOR_PREDICTION'] = 'Org'