将 DF 列中的部分值匹配到指定列表并检索频率

Question

我有一个如下形式的数据框：

              Room Location

0                 jc room g

1               merten 3005

2               merten 2500

3               merten 3005

4               merten 3005

5               merten 3005

6                 jc bistro

我目前正在尝试解析此特定列以提取此指定列表中的所有值：

room_list = ['jc','sub', 'hub', 'merten', 'rsch', 'corner pocket', 'mix', 'fenwick']

因此（而且效率很低）我使用：

room_list = (MASTER_TABLE['Room Location'].astype(str).str.lower()).tolist()

room_string = ''.join(room_list)

room_freq = re.findall(r'|'.join(room_list), room_string)

重申一下，经过一些预处理后，我将列转换为列表，然后是字符串，然后执行以下操作：

freqs = {}

for item in room_freq:

    freqs[item] = freqs.get(item, 0) + 1

num_sort_freqs = dict(sorted(freqs.items(), key=lambda x: x[1], reverse = True))

print('Sorted name occurences: ','\n')

print('===================================================================\n')

for k, v in num_sort_freqs.items():

    print(k, v)

然而，这非常有效，当我返回“排序”字典时，我得到了这个：

merten 1204 39

jc cinema 35

merten 2500 31

jc gold rm 31

the hub corner pocket 30

令人沮丧的是，它完全按照它所说的去做，我的问题如下：

我如何解析列（或列表 -> 我应该说的字符串）并将列的元素与指定列表的元素部分匹配，即使该元素附加了过多的“噪音”，或者例如：

jc room g = jc

merten 3005 = merten

理想情况下，返回 dict 应该只有 5 个要返回的键，room_list以及它们的后续频率。我也尝试去除所有数字，但由于某些元素具有过多的弦噪音，因此问题仍然存在。

我已经搜索了以前的相关问题，但没有找到任何特定于我的问题的内容，但是如果您发现了（相关的）骗子，请告诉我，这样我就不会浪费您的时间。谢谢！

Answer 1

我的解决方案在这里：room_list = ['jc','sub', 'hub', 'merten', 'rsch', 'corner pocket', 'mix', 'fenwick']for tag in room_list:    result = df['Room Location'].str.lower().str.contains(tag).sum()    print(f'{tag} : {result}')输出：jc : 2            sub : 0          hub : 0          merten : 5       rsch : 0         corner pocket : 0mix : 0          fenwick : 0 如果你想要一个 dict 作为输出，就这样做：result= {}for tag in room_list:    result[tag] = df['Room Location'].str.lower().str.contains(tag).sum()或克里斯的解决方案：result = {tag : df['Room Location'].str.lower().str.contains(tag).sum() for tag in room_list}