Pandas 根据一个词在另一个词中的出现情况创建新列

我有

一列10k行长。每列包含['PDF'、'ZIP'、'HTML'中的一列]。文本中每个条目的最大长度为14个字符

如何获得：

pd.DataFrame({'text':['fewfwePDFerglergl','htrZIPg','gemlHTML']})
    text
0   wePDFerglergl
1   htrZIPg
2   gemlHTML

我尝试了

df.text[0]。为单个条目查找（'ZIP'）

，但不知道如何将所有条目缝合在一起，以测试并返回列中每一行的正确值

有什么建议吗？

我们可以在这里将regex标志用于区分大小写的

（？i）

或者我们使用

flags=re.IGNORECASE

参数：

words =  ['pdf','zip','html']
df['file_type'] = df['text'].str.extract(f'(?i)({"|".join(words)})')

输出

import re
df['file_type'] = df['text'].str.extract(f'({"|".join(words)})', flags=re.IGNORECASE)

---

如果您想将

文件类型

作为小写，请链接：

详细信息： 管道（

|

）是正则表达式中的

或
运算符。因此：

                text file_type
0  fewfwePDFerglergl       pdf
1            htrZIPg       zip
2           gemlHTML      html

我们在伪代码中得到以下内容：

从字符串中提取“pdf”或“zip”或“html”

您可以使用正则表达式来执行以下操作：

"|".join(words)

'pdf|zip|html'

这将匹配任何所需的子字符串。要在适当的情况下按顺序提取这些匹配项，请使用一行代码：

import re
regex = re.compile(r'(PDF|ZIP|HTML)')

这将返回以下列表：

file_type = [re.search(regex, x).group().lower() for x in df['text']]

然后添加列：

['pdf', 'zip', 'html']

import re
regex = re.compile(r'(PDF|ZIP|HTML)')

file_type = [re.search(regex, x).group().lower() for x in df['text']]

['pdf', 'zip', 'html']

df['file_type'] = file_type