根据DataFrame列中的某些字符保留字符串的一部分

Question

我知道围绕这个主题有很多问题，但我没有找到任何描述我问题的问题。我有一个df，有一个特定的列，看起来像这样：

colA   
['drinks/coke/diet', 'food/spaghetti']
['drinks/water', 'drinks/tea', 'drinks/coke', 'food/pizza']
['drinks/coke/diet', 'drinks/coke']
...

colA的值是一个字符串而不是一个列表。我想要实现的是一个新的列，在那里我只保留包含"coke"的部分值。可乐可以在绳子上重复任何次数，也可以在任何地方。''之间的值并不总是包含由/分隔的相等数量的值。

所以结果应该是这样的：

colA                                                               colB
['drinks/coke/diet', 'food/spaghetti']                           'drinks/coke/diet'
['drinks/water', 'drinks/tea', 'drinks/coke', 'food/pizza']      'drinks/coke'
['drinks/coke/diet', 'drinks/coke']                              'drinks/coke/diet', 'drinks/coke'
...

我试过调用一个函数：

import json
df['coke'] = df['colA'].apply(lambda secties: [s for s in json.loads(colA) if 'coke' in s], meta=str)

但这一个不断抛出我不知道如何解决的错误。

Answer 1

您可以在逗号和explode上进行拆分以创建系列。然后使用str.contains创建一个布尔掩码，您可以使用它来过滤包含单词"的项；焦炭"；。最后join跨索引返回字符串：

s = df['colA'].str.split(',').explode()
df['colB'] = s[s.str.contains('coke')].groupby(level=0).apply(','.join).str.strip('[]')

输出：

colA                                  colB  
0             ['drinks/coke/diet', 'food/spaghetti']                    'drinks/coke/diet'  
1  ['drinks/water', 'drinks/tea', 'drinks/coke', ...                         'drinks/coke'  
2                ['drinks/coke/diet', 'drinks/coke']     'drinks/coke/diet', 'drinks/coke'  

Answer 2

尝试将字符串拆分成一个列表，然后在列表中检查coke，类似于以下内容：

import json
df['coke'] = df['colA'].apply(lambda secties: [s for s in json.loads(colA.split("/")) if 'coke' in s], meta=str)