基于 Pandas 中另一列文本的特征工程师文本

Question

我试图通过将文本映射到一个名为“programGrp”的新功能来简化一个名为“programName”的功能，在这个功能中，我将它们分组而不是每个程序的低级名称，例如 Mech/Elec/Petroleum Engineering分为 STEM、人文、生命科学等一般组。

这是我的尝试：

def fill_stem(df):
  for i in df:
    if df['programName'].str.contains('Engineering') | df['programName'].str.contains('Computer Science') | df['programName'].str.contains('Mathematics'):
      df['programGrp'].loc[i] = 'STEM'

fill_stem(df)

ValueError：Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

但是当我运行它时，我得到了这个错误。有关如何最好地解决此问题的任何提示？

Answer 1

你可以改用这个：

df.loc[df['programName'].str.contains('Engineering|Computer Science|Mathematics'), 'programName'] = 'STEM'

或者：

df['programName'] = np.where(df['programName'].str.contains('Engineering|Computer Science|Mathematics'), 'STEM', df['programName'])