Python 熊猫 |如何将从一列中提取的关键字分配给另一列？

Question

我有一个如下的熊猫数据框，每个元组中都有文本字符串：

  Text Col
-----------
I have an apple.
She eats orange.
Tom likes banana and orange

我想从“Text Col”中提取关键字并将关键字分配为另一列“keyword col”中的值

  Text Col                              KeyWord
-----------------------------------------------------
I have an apple.                        apple
She eats orange.                        orange
Tom likes banana and orange             banana, orange

我只知道我可以检查字符串是否包含特定的关键字 df['Text Col'].str.contains('apple|orange|banana') 但我不知道如何将列中包含的关键字分配给另一列。

用谷歌搜索过，但没有任何类似的问题。 有人可以帮我解决这个问题吗？

非常感谢！

Answer 1

使用.str.extract，例如

df['Text Col'].str.extract('(apple|orange|banana)', expand = False)

或.extractall 后跟.unstack，如果您预计会有多个匹配项：

matches = df['Text Col'].str.extractall('(apple|orange|banana)').unstack()

你需要加入他们；如果您的数据集很小，您可以在纯 Python 中执行此操作：

df['extracted'] = [','.join(filter(None,li)) for li in matches.values]

如果你坚持在 pandas 中这样做，你可以在列上使用循环，虽然看起来很乱：

df['extracted'] = ''
for _,col in matches.fillna('').iteritems():
    df['extracted'] += col + ','
df['extracted'] = df['extracted'].str.rstrip(',')