如何在熊猫中将两个单独的单词匹配为一个字符串？

Question

我有一个包含美国州和国家名称的列，以及一个也包含这些名称的列表。我想创建一个函数，如果找到它则返回州/国家。到目前为止，我已经能够为任何一个单词长的东西做到这一点，例如“巴西”或“墨西哥”。但是，该函数不匹配超过单词长度的实例，例如“纽约”或“开曼群岛”。

我的功能：

#alpha_list is my list of countries and US states

def locate_country(b):
    y = b.split(" ")
    a = [x for x in alpha_list if x in y]
    return a

df['country'] = df['locations'].apply(locate_country)

有没有办法调整它，让它也捕捉两个词？

Answer 1

您可以在此处使用str.extract 以及其他位置：

alpha_list = ["Brazil", "Mexico", "Channel Islands"]
regex = r'\b(' + r'|'.join(alpha_list) + r')\b'
df["country"] = df["locations"].str.extract(regex)