如何在多行上实现动态搜索

Question

我有一个类似于下面的 df，但有 100 列，其中每列引用不同的文本分辨率。

Index	A/RES/73/262	A/RES/73/263
Issue-Primary	ME	HR
Issue-Secondary	NaN	NaN
Description	Protection of the Palestinian civilian	Situation of human rights in Myanmar

我有一个循环遍历每个解决方案描述的脚本，并在“问题主要”中为定义的搜索词词典设置一个值。

df = pd.read_excel("file_name")
issue_dict = {'human rights':'HR', 'Protection':'HR', 'Palestinian':'ME'} 
key_pattern = re.compile(rf'({"|".join(issue_dict.keys())})')

for columnName, columnData in df.iteritems():
    matched_key = re.search(key_pattern, str(columnData[1]))
    if matched_key:
        columnData[0] = issue_dict.get(matched_key.group(), "Issue-Primary")
    else:
        columnData[0] = np.NaN

有些解决方案的描述与多个问题相关，因此我想将类似的脚本应用于我的“问题-次要”行。但是，我需要确保当脚本为“Issue-Secondary”设置值时，它会忽略与“Issue-Primary”中的代码相关的术语

例如，“Protection”与“HR”相关，因此在脚本设置“Issue-Primary”中“ME”的值后的第一列，它应该返回“Issue-Secondary”并应用相同的值过程而不寻找“ME”术语（否则它只是复制“ME”）。理想情况下，“Issue-Primary”将设置为“ME”，“Issue-Secondary”在第一个解决方案列中获得“HR”。

以下是我的第一次尝试。但是，正如您可以想象的那样，由于我使用的是相同的 issue_dict，它不会产生预期的结果。我不确定在将脚本应用于“Issue-Secondary”时，确保“Issue-Primary”中的任何术语都被排除在外的最佳方法是什么。

issue_codes_list = ['HR', 'ME']
key_pattern = re.compile(rf'({"|".join(issue_dict.keys())})')

for columnName, columnData in df.iteritems():
    matched_key = re.search(key_pattern, str(columnData[1]))
    if matched_key:
        columnData[0] = issue_dict.get(matched_key.group(), "Issue-Primary")
    else:
        columnData[0] = np.NaN
    
    for j in issue_codes_list:
        if columnData[0] == j:
            if matched_key:
                columnData[1] = issue_dict.get(matched_key.group(), "Issue-Secondary")
            else:
                columnData[1] = np.NaN

Answer 1

您可以使用re.findall 一次查找所有出现的要匹配的字符串，然后只保留唯一值：

df = pd.DataFrame(index=['Issue-Primary','Issue-Secondary','Description'],columns=['a','b'])
df.loc['Description']=['Protection of the Palestinian civilian',
                       'Situation of human rights in Myanmar']

issue_dict = {'human rights':'HR', 'Protection':'HR', 'Palestinian':'ME'} 
key_pattern = re.compile(rf'({"|".join(issue_dict.keys())})')

for columnName, columnData in df.iteritems():
    matched_key = re.findall(key_pattern, str(columnData[2]))
    if matched_key:
        
        all_issues = [issue_dict.get(x, "Issue-Primary") for x in matched_key]
        issues=list()
        for i in all_issues:
            if i not in issues: issues.append(i)
        
        if len(issues)>0:
            columnData[0] = issues[0]
        if len(issues)>1:
            columnData[1] = issues[1]

返回 df：

	a	b
Issue-Primary	HR	HR
Issue-Secondary	ME	NaN
Description	Protection of the Palestinian civilian	Situation of human rights in Myanmar

我不确定您是如何在第一列中为 Issue-Primary 获得“ME”的。如果顺序无关紧要，您可以通过将all_issues 开头的块替换为

来节省几行

issues = list(set([issue_dict.get(x, "Issue-Primary") for x in matched_key]))

set() 将删除重复项。

我也不确定您是否可以使用issue_dict.get(matched_key.group(), "Issue-Primary") 而不仅仅是issue_dict[matched_key.group()]。