验证数据框是否包含列表字典中的内容

Question

我意识到标题有点模糊，但让我说明一下。

我有一个数据框（简化）如下所示：

Date | transaction | amount

01-01-2020 | something keywordA something | 50

01-01-2020 | something something keywordB | 152

02-01-2020 | keywordA something else | 200

等等

然后我做的第一件事是添加一个名为“类别”的空列，如下所示：

df['Category'] = ''

现在我还有一个像这样的列表字典：

categories={'category A':['keywordA','keywordB'], 'category B':['keywordC']}

等等

现在我想要做的是查看每一行的事务列是否包含关键字之一，以及它是否包含例如。关键字A 我希望用“类别A”填充类别列。

所以首先，我不确定使用列表字典是否是这里的方法。其次，我可能会逐行进行，执行 contains 类型函数并与 dict 中的每个项目进行比较，但是从我读到的内容来看，当您使用 Pandas 时，对每一行进行迭代通常是不好的做法，而且直观地说，这将非常糟糕。

所以..关于我应该看哪个方向的任何提示？

Answer 1

据我了解，您可以使用series.str.extract和series.map反转字典后执行此操作：

d = {a:k for k,v in categories.items() for a in v}
#{'keywordA': 'category A', 'keywordB': 'category A', 'keywordC': 'category B'}
pat = r'\b(?:{})\b'.format('|'.join(d.keys()))
df['Category'] = df['transaction'].str.extract('('+pat+')',expand=False).map(d)

print(df)

        Date                   transaction  amount    Category
0 2020-01-01  something keywordA something      50  category A
1 2020-01-01  something something keywordB     152  category A
2 2020-02-01       keywordA something else     200  category A