我意识到标题有点模糊,但让我来举例说明。
我有一个数据帧(简化(如下:
Date | transaction | amount
01-01-2020 | something keywordA something | 50
01-01-2020 | something something keywordB | 152
02-01-2020 | keywordA something else | 200
etc
然后我要做的第一件事是添加一个名为"类别"的空列,如下所示:
df['Category'] = ''
现在我也有一个这样的列表:
categories={'category A':['keywordA','keywordB'], 'category B':['keywordC']}
etc
现在我想做的是查看每行的事务列是否包含其中一个关键字,以及它是否包含e.keywordA。我希望用"category A"填充类别列。
因此,首先,我不确定使用列表dict是否是一种方法。其次,我可能会一行接一行地执行contains类型函数,并与dict中的每一项进行比较,但从我所读到的内容来看,当你使用panda时,对每一行进行迭代通常是不好的做法,只是凭直觉,这将非常糟糕。
所以。。关于我应该朝哪个方向看,有什么提示吗?
据我所知,您可以在反转字典后使用series.str.extract
和series.map
来执行此操作:
d = {a:k for k,v in categories.items() for a in v}
#{'keywordA': 'category A', 'keywordB': 'category A', 'keywordC': 'category B'}
pat = r'b(?:{})b'.format('|'.join(d.keys()))
df['Category'] = df['transaction'].str.extract('('+pat+')',expand=False).map(d)
print(df)
Date transaction amount Category
0 2020-01-01 something keywordA something 50 category A
1 2020-01-01 something something keywordB 152 category A
2 2020-02-01 keywordA something else 200 category A