python - 查找列中的部分文本，如果找到 true 则传递通过反射(reflect)分配的文本值而不是 true 或 false 创建新列

Question

我想根据发现的特定关键字字符串创建类别，而不是分配的类别“其他”。

例如 - 如果在列中找到“health”，则将该关键字行命名为“HEALTH”，如果是“therapy”则命名为“THERAPIST”

1. 通过代码创建“类别”列
2. 根据条件分配类别

我能够通过创建表格并使用索引匹配在 Excel 上执行此操作，并且希望切换到 Python 以将其应用于大型数据集，

下面是示例数据，

<表类=“s-表”> <标题> 关键字 类别 <正文> 人力资源咨询 UK-d-uk-159_bing 其他 支持 COMPANY LONDON-D-UK-G1161_bing 其他 全局销售培训平台空缺 销售 远程私有(private)执业治疗师 治疗师 Assets 授予管理系统 其他 数字团队项目管理解决方案职位空缺 其他 全局培训平台空缺 其他 远程实践治疗师 治疗师 全局销售培训平台空缺 销售 远程医疗实践 健康 Assets 授予管理 其他 数字团队项目管理解决方案 其他

Answer 1

您可以对所有关键字使用正则表达式。然后，根据您想要获得第一个匹配项还是所有匹配项，使用 extract或extractall分别进行聚合。

我添加了关键字“private”作为示例，以查看第 3 行中的差异:

import re
words = ['health', 'therapist', 'sales', 'private']
regex = '|'.join(map(re.escape, words))
# 'health|therapist|sales|private'

# option 1: get first match
df['category_first'] = (df['keyword']
 .str.extract(f'(?i)({regex})', expand=False)
 .fillna('other')
 )

# option 2: get all matches
df['category_all'] = (df['keyword']
 .str.extractall(f'(?i)({regex})')
 [0].groupby(level=0).agg(','.join)
 .reindex(df.index, fill_value='other')
 )

print(df)

输出:

                                              keyword   category category_first       category_all
0                     HR Consultancy UK-d-uk-159_bing      other          other              other
1           it support COMPANY LONDON-D-UK-G1161_bing      other          other              other
2             global sales training platform openings      sales          sales              sales
3                     tele private practice therapist  therapist        private  private,therapist
4                       asset grant management system      other          other              other
5   digital team project management solution openings      other          other              other
6                   global training platform openings      other          other              other
7                             tele practice therapist  therapist      therapist          therapist
8             global sales training platform openings      sales          sales              sales
9                                tele health practice     health         health             health
10                             asset grant management      other          other              other
11           digital team project management solution      other          other              other