如何在 Pandas 中搜索 A 列中的单词并根据 B 列进行计数？

Question

我有基于文本、日期和作者的数据框，如下所示：

TEXT               Author               Date

This is a Cat       Jane                 1.01.1997

This is a Dog       Sara                 1.02.2009

I have a cat        Lesner               5.07.2001

所以，我想写一个这样的脚本：例如，我想搜索单词“Cat”，然后它应该根据 Date 列计算“Cat”：

输出应如下所示：

Date        count

1.01.1997    1

1.02.2009    0

5.07.2001    1

Answer 1

与忽略小写和大写一起使用Series.str.count，但也是计数单词，例如cation，locate因为包含子字符串cat：import redf['count'] = df['TEXT'].str.count('cat', flags=re.I)为了防止计数子串，可以添加单词边界\b\b：df['count'] = df['TEXT'].str.count(r'\bcat\b', flags=re.I)print (df)            TEXT  Author       Date  count0  This is a Cat    Jane  1.01.1997      11  This is a Dog    Sara  1.02.2009      02   I have a cat  Lesner  5.07.2001      1最后按列列表过滤：df1 = df[['Date','count']]print (df1)        Date  count0  1.01.1997      11  1.02.2009      02  5.07.2001      1编辑：我只是好奇我们是否可以计算“nunique”，因为例如如果 cat 在句子中出现两次，那么它将计为 2，但我只需要检查“Cat”这个词是否可用。因此，输出应为 0 或 1。然后更好地使用Series.str.contains并转换为整数True->1和False->0映射：df['exist'] = df['TEXT'].str.contains(r'\bcat\b', flags=re.I).astype(int)print (df)            TEXT  Author       Date  exist0  This is a Cat    Jane  1.01.1997      11  This is a Dog    Sara  1.02.2009      02   I have a cat  Lesner  5.07.2001      1如果需要两列都可以使用Series.clip：df['count'] = df['TEXT'].str.count('cat', flags=re.I)df['exist'] = df['count'].clip(upper=1)