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!
最佳答案
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}
关于python - 将 DF 列中的部分值与指定列表进行匹配并检索频率,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55065825/