Python-搜索数据框架中的单词并跟踪找到的单词和频率

Question

我参考了以下帖子，它非常有帮助，但我需要更进一步。 Python - 从列表中搜索数据框中的字符串

我不仅想在数据框中搜索单词列表，还想跟踪是否找到多个单词及其频率。因此，使用上面帖子中的示例：

如果这是我的搜索列表

search_list = ['STEEL','IRON','GOLD','SILVER']

这是我正在搜索的数据框

      a    b             

0    123   'Blah Blah Steel'

1    456   'Blah Blah Blah Steel Gold'

2    789   'Blah Blah Gold'

3    790   'Blah Blah blah'

我希望我的输出是

      a    b                        c               d

0    123   'Blah Blah Steel'      'STEEL'           1

1    789   'Blah Blah Steel Gold' 'STEEL','GOLD'    2

2    789   'Blah Blah Gold'       'GOLD'            1

3    790   'Blah Blah blah'

我如何扩展上述帖子中的出色解决方案以获得所需的输出？我目前正在利用投票最高的答案作为起点。

我更关心能够从列表中标记多个单词。我还没有找到任何方法来做到这一点。如果在此步骤中无法执行此操作，我可以将字符串计数函数应用于数据框以创建频率列。如果有一种方法可以一步完成这一切，那也很好。

Answer 1

您可以使用re.findall()而不是 extract() 来执行您需要的操作。import research_list = ['STEEL','IRON','GOLD','SILVER']df['c'] = df.b.str.findall('({0})'.format('|'.join(search_list)), flags=re.IGNORECASE)df['d'] = df['c'].str.len()这个输出看起来像这样：

Answer 2

#turn column b into a list of uppercases  df.b=df.b.str.upper().str.split('\s')#Because you have two lists, use the apply function to turn them into sets#..and leverage the rich membership functions encased in sets.# Using intersection, you will find items in each list. #Then use list.str.len() to count.df=df.assign(c=df.b.apply(lambda x:[*{*x}&{*search_list}])\.str.join(','),d=df.b.apply(lambda \x:[*{*x}&{*search_list}]).str.len())                       b           c      d0        [BLAH, BLAH, STEEL]       STEEL  11  [BLAH, BLAH, STEEL, GOLD]  GOLD,STEEL  22         [BLAH, BLAH, GOLD]        GOLD  13         [BLAH, BLAH, BLAH]              0