从两个类别列中创建一个类别列

Question

我有这个数据

d = {
    'Primary area': [
        'Biological Sciences A',
        'Cultures and Cultural Production',
        'Mathematics'
    ],
    'Discipline': [
        'Biochemistry and Molecular Biology',
        'Philosophy',
        'Pure Mathematics'
    ]
}

import pandas as pd

df = pd.DataFrame(data=d)

    Discipline                              Primary area
0   Biochemistry and Molecular Biology      Biological Sciences A
1   Philosophy                              Cultures and Cultural Production
2   Pure Mathematics                        Mathematics

我想获得一个新的列，“My纪律”列，根据行的不同从“纪律”或“主区域”获取一个项。我有一个单词列表

Mydisciplines = ['Biological Sciences A', 'Mathematics', 'Philosophy']

我想使用这个新的列表来过滤两列，然后合并剩下的。比如

    Discipline                           Mydisciplines          Primary area
0   Biochemistry and Molecular Biology   Biological Sciences A  Biological Sciences A
1   Philosophy                           Philosophy             Cultures and Cultural Production
2   Pure Mathematics                     Mathematics            Mathematics

我尝试了一些东西，但是我无法在代码中合成我想要的东西。我完全搞不懂如何处理这个问题。

Answer 1

我认为需要extract将Mydisciplines和|的所有值连接起来，用于正则表达式OR和单词边界的\b：

Mydisciplines = ['Biological Sciences A', 'Mathematics', 'Philosophy']

pat = r'(\b{}\b)'.format('|'.join(Mydisciplines))

#join columns together
s = df['Discipline'] + ' ' + df['Primary area']

df['Mydisciplines'] = s.str.extract(pat, expand=False)
print (df)
                           Discipline                      Primary area  \
0  Biochemistry and Molecular Biology             Biological Sciences A   
1                          Philosophy  Cultures and Cultural Production   
2                    Pure Mathematics                       Mathematics   

           Mydisciplines  
0  Biological Sciences A  
1             Philosophy  
2            Mathematics  

Answer 2

我所做的就是这个。

创建一个包括与主要领域相关的所有学科的列表：

Biological_A = df[(df["Primary area"] == 'Biological Sciences A')].Discipline.unique()
Mathematics = df[(df["Primary area"] == 'Mathematics')].Discipline.unique()

然后替换列纪律中的值，这些值位于该列表中：

for x in Biology_A: df.replace({'Discipline': {x:'Biological Sciences A'}}, regex=True, inplace=True) for x in Mathematics: df.replace({'Discipline': {x:'Mathematics'}}, regex=True, inplace=True)

根据需要对其他主要区域重复此操作。

这段代码

    Discipline                              Primary area
0   Biochemistry and Molecular Biology      Biological Sciences A
1   Philosophy                              Cultures and Cultural Production
2   Pure Mathematics                        Mathematics

转到

    Discipline                              Primary area
0   Biological Sciences A                   Biological Sciences A
1   Philosophy                              Cultures and Cultural Production
2   Pure Mathematics                        Mathematics

它没有真正回答这个问题，因为它没有创建一个新的专栏，但这正是我所需要的，尽管问题的措辞。