Python 在dataframe列中查找以“开始”开头的单词#&引用；对于每行，然后将其添加到新列

我有一个专栏叫“Tweets”。我想提取所有的hashtaged单词，然后放在一个新的列中。 以下是我尝试的代码：

for row in df.split(' '):
    for word in row:
        if word.startswith('#'):
            return row
     else: 
        return np.nan

---

问题是它每行只返回一个hashtag。因此，如果一行有“#word1和#word2”，那么它只返回“#word1”

，您可能想看看pandas的字符串函数，比如正则表达式。例如：

tweets = ["lorem ipsum #hashtag01 #hashtag02 #another_one",
         "#one ipsum #two lorem #some_more"]

df = pd.DataFrame(tweets, columns=["tweets"])
df.tweets.str.extractall(r"(#\w+)").unstack()

（#\w+

将所有字符串捕获为以

#

开头并具有一个或多个后续单词字符的组

[外]

如果要将所有hashtag提取到一个列中，并确保hashtag始终由空格分隔（如示例所示），则可以使用以下代码行：

df["hashtags] = df.tweets.apply(lambda x: [x for x in x.split(" ") if x.startswith("#")])

[外]

---

然后我如何将它们合并到一个列表中，使其成为具有行值的单个列[#hashtag01、#hashtag02、#另一个]我已根据您的问题为第二个选项添加了代码。您只需使用

apply（）

函数的结果在数据框中创建一个新列。

df["hashtags] = df.tweets.apply(lambda x: [x for x in x.split(" ") if x.startswith("#")])

0    [#hashtag01, #hashtag02, #another_one]
1                  [#one, #two, #some_more]