如何使用包含的关键字对pandas中的数据进行分类

Question

设df为数据帧，如下所示：

      date   text
0  2019-6-7  London is good.             
1  2019-5-8  I am going to Paris.        
2  2019-4-4  Do you want to go to London?
3  2019-3-7  I love Paris!   

我想添加一个列city，它表示text中包含的城市，即

       date  text                          city
0  2019-6-7  London is good.               London
1  2019-5-8  I am going to Paris.          Paris 
2  2019-4-4  Do you want to go to London?  London
3  2019-3-7  I love Paris!                 Paris 

如何在不使用lambda的情况下完成此操作

Answer 1

你可以先匹配确定你有城市列表，然后匹配str.findall

df.text.str.findall('London|Paris').str[0]
Out[320]: 
0    London
1     Paris
2    London
3     Paris
Name: text, dtype: object
df['city'] = df.text.str.findall('London|Paris').str[0]

Answer 2

加上@WenYoBen的方法，如果一个文本中只有巴黎或伦敦中的一个，那么str.extract更好：

regex = '(London|Paris)'
df['city'] = df.text.str.extract(regex)
df

       date         text                        city
0   2019-6-7    London is good.                 London
1   2019-5-8    I am going to Paris.            Paris
2   2019-4-4    Do you want to go to London?    London
3   2019-3-7    I love Paris!                   Paris

如果你想把你的正则表达式中的所有城市都放在一个文本中，那么str.extractall也是一个选择：

df['city'] = df.text.str.extractall(regex).values
df
          date  text                           city
0    2019-6-7   London is good.                London
1    2019-5-8   I am going to Paris.           Paris
2    2019-4-4   Do you want to go to London?   London
3    2019-3-7   I love Paris!                  Paris

注意，如果有多个匹配项，则extractall将返回一个列表