根据另一列中的子字符串更新df列

在数据处理中，经常会遇到需要根据一列中的数据来更新另一列的情况。如果更新的条件是基于子字符串的匹配，可以使用Pandas库中的str.contains()方法结合条件赋值来实现。以下是一个基本的示例，展示了如何根据一列中的子字符串来更新另一列的值。

基础概念

• DataFrame: Pandas库中的一个二维表格数据结构，可以存储多种类型的数据。
• str.contains(): Pandas字符串操作方法，用于检测字符串中是否包含指定的子字符串。
• 条件赋值: 使用布尔索引来根据条件更新DataFrame中的数据。

示例代码

假设我们有一个DataFrame df，其中包含两列：source和status。我们想要根据source列中的子字符串来更新status列的值。

import pandas as pd

# 创建示例DataFrame
data = {
    'source': ['apple_store', 'google_play', 'amazon', 'apple_store_v2'],
    'status': ['unknown', 'unknown', 'unknown', 'unknown']
}
df = pd.DataFrame(data)

# 根据'source'列中的子字符串更新'status'列
df.loc[df['source'].str.contains('apple'), 'status'] = 'approved'
df.loc[df['source'].str.contains('google'), 'status'] = 'pending'
df.loc[df['source'].str.contains('amazon'), 'status'] = 'rejected'

print(df)

输出结果

           source    status
0      apple_store   approved
1     google_play    pending
2          amazon   rejected
3  apple_store_v2   approved

应用场景

• 数据清洗: 在数据预处理阶段，根据某些关键词来修正或标记数据。
• 自动化分类: 根据内容自动为数据项分配类别或状态。
• 报告生成: 在生成报告时，根据特定条件突出显示或更改数据的显示方式。

注意事项

• 使用str.contains()时，默认情况下区分大小写。如果需要进行不区分大小写的匹配，可以设置参数case=False。
• 如果子字符串匹配较多，可能会影响性能。在这种情况下，可以考虑使用更高效的数据处理方法或工具。

通过上述方法，可以灵活地根据数据中的特定模式来更新DataFrame中的值，这对于数据分析和处理任务非常有用。