遍历列以根据单词列表查找单词的索引答案

【问题标题】：Loop through column to find words' indexes against a list of words遍历列以根据单词列表查找单词的索引
【发布时间】：2021-09-22 21:09:27
【问题描述】：

给定一个 DataFrame，我想根据值列表检查一列，并判断该单词是否存在于单元格中，并将索引的结果（其所在位置的字符数）添加到新的列。

例子：

df_Words

Words
Dog, Cat, Duck
Cow, Horse, Pig
Monkey, Snake, Rat

xList = [狗、鼠、马]

df_Words

Words	Index
Dog, Cat, Duck	1
Cow, Horse, Pig	6
Monkey, Snake, Rat	16

我尝试了函数/循环，但无法使其正常工作。我只能为单个值执行此操作，例如：

xList = [Dog, Rat, Horse]
  
for x in xList:

    index = df_Words["Words"].str.find(x)
    df_Words["Indexes"]= index

【问题讨论】：

我不确定是否有一种好方法可以一次完成所有操作。您可以使用正则表达式 (r"Dog|Rat|Horse") 搜索单词是否存在，并且可以在没有循环的情况下批量执行此操作，但这不会为您提供起始字符。

标签： python pandas

【解决方案1】：

从单词列表中创建一个正则表达式并将字符串分成两部分。第一部分的长度是索引。

WORDS = fr"\b({'|'.join(xList)})\b"

df['Index'] = df['Words'].str.split(WORDS, n=1, expand=True)[0].apply(len) + 1

输出：

>>> df
                Words  Index
0      Dog, Cat, Duck      1
1     Cow, Horse, Pig      6
2  Monkey, Snake, Rat     16

>>> print(WORDS)
\b(Dog|Rat|Horse)\b

【讨论】：

【解决方案2】：

不完全是预期的输出，但你可以这样尝试（首先将单词分成一个列表）：

示例输入：

import pandas as pd
df_raw = pd.DataFrame({
 'Words': {0: ['Dog', 'Cat', 'Duck'],
  1: ['Horse', 'Cow', 'Pig'],
  2: ['Monkey', 'Snake', 'Rat']}})
xList = ['Dog', 'Rat', 'Horse']

代码：

df = df_raw.reset_index().copy()
df = df.explode('Words')
df['pos'] = df.groupby(['index']).cumcount()
df = df[df['Words'].isin(xList)]
df = df.groupby(['index'])['pos'].apply(list)

df_raw.join(df)

输出：

                  Words  pos
0      [Dog, Cat, Duck]  [0]
1     [Horse, Cow, Pig]  [0]
2  [Monkey, Snake, Rat]  [2]

pos 为您提供列表的索引。例如。 [0] 表示 Words 列中列表索引为 0 的元素。

【讨论】：

【解决方案3】：

您的基于循环的方法是正确的。只是你总是用找到的最后一个索引覆盖df_Words["Indexes"] 的单个值，并且你在描述中说你需要一个索引集合。

因此，如果 df_Words["Indexes"] 是一个列表，无论是从其他地方提供给您还是由您初始化 (df_Words["Indexes"] = [])，您都可以使用 df_Words["Indexes"].append(index)，因此您将最后一个值添加到列表中，而不是用一个数字覆盖整个列表。

您也可以在没有显式循环的情况下执行此操作，尽管有效，但您无法避免迭代。我假设单词由空格分隔，并且没有引用字段应该被视为“单词”，例如一些 CSV 方言会允许。

xList = [Dog, Rat, Horse]
df_Words["Indexes"] = [index for (index, word) in enumerate(df_Words["Words"].str.split()) if word in xList]

【讨论】：