pandas 中的子字符串函数

Question

检查 pandas 字段中是否包含字符串的正确方法是什么？例如，我有：np.where('DIGITAL_SOURCE' in df['file_name'], 1, 0)但我收到 Pandas 的以下投诉：类型错误：“系列”对象是可变的，因此它们不能被散列正确的做法是什么substr in str？我相信正确的答案是使用str.contains，但在语法上遇到了一些问题。

Answer 1

如注释中所述，您可以使用.str.contains（注意regex=False, 不将字符串视为正则表达式）：

df = pd.DataFrame({'file_name': ['DIGITAL_SOURCE', 'Other1', 'Other3']})

df['contains'] = df['file_name'].str.contains('DIGITAL_SOURCE', regex=False).astype(int)

print(df)

印刷：

        file_name  contains

0  DIGITAL_SOURCE         1

1          Other1         0

2          Other3         0

Answer 2

你应该做isin

np.where( df['file_name'].isin(['DIGITAL_SOURCE']), 1, 0)
#df['file_name'].isin(['DIGITAL_SOURCE']).astype(int)

Answer 3

您还可以应用 lambda，这样：

 df['new_column'] = df.apply(lambda x: 1 if 'DIGITAL_SOURCE' in x['file_name'] else 0, axis=1 )

例子：

df = pd.DataFrame({"LOCATION":["USA","USA","USA","USA","JAPAN","JAPAN"],"file_name":["DIGITAL","DIGITAL","DIGITAL","DIGITAL","DIGITAL_SOURCE","DIGITAL_SOURCE"]})

 

    LOCATION    file_name

0   USA        DIGITAL

1   USA        DIGITAL

2   USA        DIGITAL

3   USA        DIGITAL

4   JAPAN      DIGITAL_SOURCE

5   JAPAN      DIGITAL_SOURCE

df['new_cl'] = df.apply(lambda x: 1 if 'DIGITAL_SOURCE' in x['file_name'] else 0, axis=1 )

    LOCATION    file_name      new_cl

0   USA          DIGITAL        0

1   USA          DIGITAL        0

2   USA          DIGITAL        0

3   USA          DIGITAL        0

4   JAPAN        DIGITAL_SOURCE 1

5   JAPAN        DIGITAL_SOURCE 1