我正在努力寻找一种“pythonic”方式来使这个逻辑起作用:
我有一个包含一列字符串(“受益人”)的支付交易数据框:
我需要在我的数据框中创建另一列,这将是每一行所属的类别。
我正在考虑制作一个像下面这样的字典,并以某种方式反向查找类别字典中带有上面列的子字符串值:
categories = {"Groceries": ["EDEKA", "REWE", "OBI"],
"Entertainment": ["NETFLIX"]}
逻辑是:如果子字符串“REWE”在 df['beneficiary'] 中,则 df['category'] 等于子字符串所在的 dict 元素的键。
我对其他映射逻辑持开放态度。
最佳答案
您可以使用正则表达式,为此您需要修改字典以将匹配的字符串作为键并将类别作为值:
categories = {"Groceries": ["EDEKA", "REWE", "OBI"],
"Entertainment": ["NETFLIX"]}
cat_sub = {v:k for k,l in categories.items() for v in l}
regex = r'(%s)' % '|'.join(fr'\b{c}\b' for c in cat_sub)
# regex looks like this: (\bEDEKA\b|\bREWE\b|\bOBI\b|\bNETFLIX\b)
df['category'] = df['beneficiary'].str.extract(regex, expand=False).map(cat_sub)
注意。我使用单词边界 (\b
) 来确保匹配完整的单词,如果您不这样做,请使用 regex = r'(%s)' % '|'.join(cat_sub)
'想要这种行为
输出:
index beneficiary category
0 12 REWE SAGT DANKE. ... Groceries
1 13 NaN NaN
2 14 OBI BAU- U. HEIMWER//BERLIN/DE / OBI SAGT DANKE Groceries
3 15 NETFLIX INTERNATIONAL B.V. Entertainment
注意。如果需要删除 NaN,请使用 dropna
关于python - 反向查找列表字典中的子字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/69903242/