计算另一列中一列中子字符串的出现次数

Question

我正在使用两个数据帧，一个包含玩家列表，另一个包含来自另一个数据帧的玩家的逐个播放数据。这两个数据帧中感兴趣的部分行如下所示。

0          Matt Carpenter
1           Jason Heyward
2           Peter Bourjos
3           Matt Holliday
4          Jhonny Peralta
5              Matt Adams
...
Name: Name, dtype: object


0     Matt Carpenter grounded out to second (Grounder).
1               Jason Heyward doubled to right (Liner).
2     Matt Holliday singled to right (Liner). Jason Heyward scored.
...
Name: Play, dtype: object

我要做的是在第一个数据帧中创建一个列，该列计算另一个数据帧中该列中字符串 (df['Name'] + 'scored') 的出现次数。例如，它会搜索“马特卡彭特得分”、“杰森海沃德得分”等实例。我知道你可以使用 str.contains 来做这种事情，但它似乎只有在你输入明确的情况下才有效细绳。例如，

batter_game_logs_df['R vs SP'] = len(play_by_play_SP_df[play_by_play_SP_df['Play'].str.contains('Jason Heyward scored')].index)

工作正常，但如果我尝试

batter_game_logs_df['R vs SP'] = len(play_by_play_SP_df[play_by_play_SP_df['Play'].str.contains(batter_game_logs_df['Name'].astype(str) + ' scored')].index)

它返回错误“系列”对象是可变的，因此它们不能被散列。我已经查看了各种类似的问题，但无法为我的一生找到解决这个问题的方法。对此的任何帮助将不胜感激，谢谢！

Answer 1

我认为需要通过正则表达式 findall 并加入 Name 的所有值，然后通过 MultiLabelBinarizer 创建指标列并通过 reindex 添加所有缺少的列：

s = df1['Name'] + ' scored'
pat = r'\b{}\b'.format('|'.join(s))

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()
df = pd.DataFrame(mlb.fit_transform(df2['Play'].str.findall(pat)),
                  columns=mlb.classes_, 
                  index=df2.index).reindex(columns=s, fill_value=0)
print (df)
Name  Matt Carpenter scored  Jason Heyward scored  Peter Bourjos scored  \
0                         0                     0                     0   
1                         0                     0                     0   
2                         0                     1                     0   

Name  Matt Holliday scored  Jhonny Peralta scored  Matt Adams scored  
0                        0                      0                  0  
1                        0                      0                  0  
2                        0                      0                  0  

必要时最后join 到df1：

df = df2.join(df)
print (df)
                                                Play  Matt Carpenter scored  \
0  Matt Carpenter grounded out to second (Grounder).                      0   
1            Jason Heyward doubled to right (Liner).                      0   
2  Matt Holliday singled to right (Liner). Jason ...                      0   

   Jason Heyward scored  Peter Bourjos scored  Matt Holliday scored  \
0                     0                     0                     0   
1                     0                     0                     0   
2                     1                     0                     0   

   Jhonny Peralta scored  Matt Adams scored  
0                      0                  0  
1                      0                  0  
2                      0                  0