映射熊猫字典中的部分字符串(再次)

Question

这是对上一篇文章的跟进 在熊猫中映射字典中的部分字符串

我稍微修改了映射字典

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0,10,size=(5, 1)), columns=list('A'))
df.insert(0, 'n', ['abcde Germany fffe','aaaa Norway bbbb',
'tttt Sweden','Croatia dfdfdf','Italy sfsd'])
d = {'Germany':0.5, 'Croatia':1.5, 'Italy':1.5, 'Ital':1, 'German':0.9}
df['multiple'] = 1
for k, v in d.items():
df['multiple'] = np.where(df['n'].str.contains(k), v, df['multiple'])
print(df)

获得的输出：

n  A  multiple
0  abcde Germany fffe  3       0.9
1    aaaa Norway bbbb  7       1.0
2         tttt Sweden  5       1.0
3      Croatia dfdfdf  8       1.5
4          Italy sfsd  3       1.0

预期：

n  A  multiple
0  abcde Germany fffe  3       0.5
1    aaaa Norway bbbb  7       1.0
2         tttt Sweden  5       1.0
3      Croatia dfdfdf  8       1.5
4          Italy sfsd  3       1.5

有关如何获得预期输出的建议将非常有帮助。

Answer 1

这是一种方法(类似于链接的帖子(，它提取字典键中的单词，然后使用series.map映射值，然后在不匹配的地方与1fillna：

pat = r'b(?:{})b'.format('|'.join(d.keys()))
df['multiple'] = df['n'].str.extract('('+pat+')',expand=False).map(d).fillna(1)

<小时 />

print(df)
n  A  multiple
0  abcde Germany fffe  5       0.5
1    aaaa Norway bbbb  4       1.0
2         tttt Sweden  1       1.0
3      Croatia dfdfdf  8       1.5
4          Italy sfsd  0       1.5