python - 在 pandas 数据框中选择遵循特定模式的行

Question

我有一个 csv 文件，我将其读入 pandas 数据帧。我想将两个特定列用作条件:“Notes”和“ActivityType”。如果“注释”列包含“晨练”或“晨练”字符串值和/或“ActivityType”列包含任何字符串值(大多数单元格为空，我不希望计算空值)，则进行一个新列“MorningExercise”，如果满足任一条件则插入 1，如果都不满足则插入 0。

我一直在使用下面的代码创建一个新列，并在“注释”列中满足文本条件时插入 1 或 0，但我还没有弄清楚如何在“ActivityType”中包含 1列包含任何字符串值。

JoinedTables['MorningExercise'] = JoinedTables['Notes'].str.contains(('Morning workout' or 'Morning exercise'), case=False, na=False).astype(int)

对于“ActivityType”列，我认为使用 pd.notnull() 函数作为标准。

我真的只需要 python 中的一种方法来查看连续是否满足任一条件，如果满足，则在新列中输入 1 或 0。

Answer 1

您需要设计一个正则表达式模式以与 str.contains 一起使用:

regex = r'Morning\s*(?:workout|exercise)'
JoinedTables['MorningExercise'] = \
       JoinedTables['Notes'].str.contains(regex, case=False, na=False).astype(int)

---

详细信息

Morning       # match "Morning"
\s*           # 0 or more whitespace chars
(?:           # open non-capturing group
workout       # match "workout" 
|             # OR operator
exercise      # match "exercise"
)

该模式将查找Morning，然后是workout或exercise。