python - 将 DF 列中的部分值与指定列表进行匹配并检索频率

Question

我有一个以下形式的数据框:

              Room Location
0                 jc room g
1               merten 3005
2               merten 2500
3               merten 3005
4               merten 3005
5               merten 3005
6                 jc bistro

我目前正在尝试解析此特定列以提取此指定列表中的所有值:

room_list = ['jc','sub', 'hub', 'merten', 'rsch', 'corner pocket', 'mix', 'fenwick']

因此(而且效率相当低)我使用:

room_list = (MASTER_TABLE['Room Location'].astype(str).str.lower()).tolist()

room_string = ''.join(room_list)

room_freq = re.findall(r'|'.join(room_list), room_string)

重申一下，经过一些预处理后，我将列转换为列表，然后转换为字符串，然后执行以下命令:

freqs = {}

for item in room_freq:
    freqs[item] = freqs.get(item, 0) + 1

num_sort_freqs = dict(sorted(freqs.items(), key=lambda x: x[1], reverse = True))

print('Sorted name occurences: ','\n')
print('===================================================================\n')

for k, v in num_sort_freqs.items():
    print(k, v)

这非常有效，但是，当我返回“排序”字典时，我得到:

merten 1204 39
jc cinema 35
merten 2500 31
jc gold rm 31
the hub corner pocket 30

令人沮丧的是，它完全按照它所说的那样进行，我的问题如下:

如何解析列(或者我应该说的列表 -> 字符串)并将该列的元素与指定列表的元素部分匹配，即使该元素附加了过多的“噪音”或者例如:

jc room g = jc
merten 3005 = merten

理想情况下，返回字典应该只返回 5 个键，即 room_list 的键及其后续频率。我也尝试过删除所有数字，但由于某些元素具有过多的字符串噪声，因此问题仍然存在。

我已经搜索了以前的相关问题，但没有找到任何特定于我的问题的内容，但如果您发现(相关的)骗局，请告诉我，这样我就不会浪费您的时间。谢谢!

Answer 1

我的解决方案在这里:

room_list = ['jc','sub', 'hub', 'merten', 'rsch', 'corner pocket', 'mix', 'fenwick']
for tag in room_list:
    result = df['Room Location'].str.lower().str.contains(tag).sum()
    print(f'{tag} : {result}')

输出:

jc : 2            
sub : 0          
hub : 0          
merten : 5       
rsch : 0         
corner pocket : 0
mix : 0          
fenwick : 0 

如果你想要一个字典作为输出，只需这样做:

result= {}
for tag in room_list:
    result[tag] = df['Room Location'].str.lower().str.contains(tag).sum()

或者克里斯的解决方案:

result = {tag : df['Room Location'].str.lower().str.contains(tag).sum() for tag in room_list}