在dataframe的行中搜索特定的字符串，如果字符串存在，则在python的另一列中进行标记

Question

我有一个包含两列的数据帧

当前数据帧

SE#     Response                                                                COVID Words Mentioned
123456  As a merchant I appreciated your efforts in pricing with Covid-19       
456789  you guys suck and didn't handle our relationship during this pandemic   
347896  I love your company                                                     

所需的数据帧

SE#     Response                                                                COVID Words Mentioned
123456  As a merchant I appreciated your efforts in pricing with Covid-19       Y
456789  you guys suck and didn't handle our relationship during this pandemic   Y
347896  I love your company                                                     N

术语=‘病毒’，‘新冠肺炎’，'covid19'，‘流感’，'COVID'，'Corona'，'corona'，‘新冠肺炎’，‘COVID19’，'Corona病毒‘，’Corona病毒‘，'covid'，’普雷尔‘，’流行病‘，’Corona‘，’Corona‘

这些是需要在每个响应中检查的字符串列表。目标是能够在术语列表中添加或删除元素。

以上只是记录的例子。我有一个与新冠肺炎相关的字符串列表，需要在每个响应中进行搜索。如果存在任何字符串，请在“提到的COVID单词”列中，标记"Y“和"N”，如果这些单词没有出现。

我该如何用python编写代码呢？

非常感谢！

Answer 1

对于每个搜索词，设置一个结果向量：

d = {}
for i in LIST_OF_STRINGS:
    d[i] = df['response'].str.contains(i, na=False)

我传递na=False，因为否则，Pandas将在字符串列本身为NA的情况下填充NA。我们不想要这种行为。随着搜索项数量的增加，操作的复杂度迅速增加。如果您想要匹配整个单词，还可以考虑更改此函数，因为contains匹配子字符串。

无论如何，获取结果并使用逐位and来减少它们。您需要两个导入：

from functools import reduce
from operator import and_

df[reduce(and_, d.values())]

这里的最后一行只选择包含任何单词的元素。或者，您可以尝试使用np.where将缩减的输出从{True, False}映射到{'Y', 'N'}。