从列表中的子字符串（键）中过滤熊猫数据框中的行，并将新列“键”添加到包含匹配的子字符串（键）的数据框中

Question

我是 python 新手。下面的代码根据列表中的子字符串（键）过滤数据帧 df 中的行，并添加一个新列，例如包含子字符串（所有这些子字符串）的“键”。数据帧包含学生、年龄、运动的名称。运动页面包含他参加的所有运动。列表数组包含两个运动名称。此处的代码提取列表中提到的任何运动的名称。我想要数据框中的另一个字段“键”，它提到列表中的匹配项，如“曲棍球”或“足球”或“骑师足球”取决于比赛。 '''

import requests
import pandas as pd
import numpy as np

data = {'Name': ['Tom', 'Joseph','Krish', 'Mohan', 'Ram'], 'Age': [20, 21, 19, 18, 29],'Sport':['football', 'hockey football badminton', 'cricket', 'tennis football', 'hocey cricet']}
df= pd.DataFrame(data)
print(df)
list = ['football','hockey']  # list of sports to filter
list_s = np.array(list)
print(list_s)
#Filter rows from df which are in list_s
dff = df[df['Sport'].str.contains('|'.join(list_s))]
print(dff)

Answer 1

虽然在这种情况下可能只使用子字符串，但更稳健的方法是创建一个新的 DataFrame，将每个名称映射到每个关联的运动，并从中选择所需的名称。

>>> name_to_sport = (
    df[['Name']]
    .join(df['Sport'].str.split())
    .explode('Sport')
)
>>> name_to_sport
     Name      Sport
0     Tom   football
1  Joseph     hockey
1  Joseph   football
1  Joseph  badminton
2   Krish    cricket
3   Mohan     tennis
3   Mohan   football
4     Ram      hocey
4     Ram     cricet
>>> name_to_sport.loc[name_to_sport['Sport'].isin(['football','hockey']), 'Name'].unique()
array(['Tom', 'Joseph', 'Mohan'], dtype=object)