如何在 Pandas 中搜索 A 列中的单词并根据 B 列进行计数？

Question

我有基于文本、日期和作者的数据框，如下所示：TEXT               Author               DateThis is a Cat       Jane                 1.01.1997This is a Dog       Sara                 1.02.2009I have a cat        Lesner               5.07.2001所以，我想写一个这样的脚本：例如，我想搜索单词“Cat”，然后它应该根据 Date 列计算“Cat”：输出应如下所示：Date        count1.01.1997    11.02.2009    05.07.2001    1

Answer 1

与忽略小写和大写一起使用Series.str.count，但也是计数单词，例如cation，locate因为包含子字符串cat：

import re

df['count'] = df['TEXT'].str.count('cat', flags=re.I)

为了防止计数子串，可以添加单词边界\b\b：

df['count'] = df['TEXT'].str.count(r'\bcat\b', flags=re.I)

print (df)

            TEXT  Author       Date  count

0  This is a Cat    Jane  1.01.1997      1

1  This is a Dog    Sara  1.02.2009      0

2   I have a cat  Lesner  5.07.2001      1

最后按列列表过滤：

df1 = df[['Date','count']]

print (df1)

        Date  count

0  1.01.1997      1

1  1.02.2009      0

2  5.07.2001      1

编辑：

我只是好奇我们是否可以计算“nunique”，因为例如如果 cat 在句子中出现两次，那么它将计为 2，但我只需要检查“Cat”这个词是否可用。因此，输出应为 0 或 1。

然后更好地使用Series.str.contains并转换为整数True->1和False->0映射：

df['exist'] = df['TEXT'].str.contains(r'\bcat\b', flags=re.I).astype(int)

print (df)

            TEXT  Author       Date  exist

0  This is a Cat    Jane  1.01.1997      1

1  This is a Dog    Sara  1.02.2009      0

2   I have a cat  Lesner  5.07.2001      1

如果需要两列都可以使用Series.clip：

df['count'] = df['TEXT'].str.count('cat', flags=re.I)

df['exist'] = df['count'].clip(upper=1)