Python 如何通过识别模式来替换具有不同名称的列的条目？

我有一个专栏，比如说，

'Match Place'

，里面有诸如

'MANU@POR'

，

'MANU vs.UTA'

，

'MANU@IND'

，

'MANU vs.GRE'

等条目。所以我的专栏有三个条目，第一个名字是

MANU

，即第一个国家代码，第二个是

@/vs.

，第三个是第二个国家名称。所以我想做的是，如果

“@”

出现在我专栏的任何条目中，我想把它改成

“远离”

，如果

“vs.

出现，把整个条目改成

“home”

，比如“MANU@POR”应该改成

“远离”

，“MANU vs.GRE”应该改成

“home”

虽然我用for、if、else编写了一些代码来实现这一点，但是计算它花费的时间太长了，我的总行数是30697 那么有没有其他方法来缩短时间呢 下面我给你看我的代码 请帮忙

您可以使用检查字符串是否包含

@

，然后使用相应地填充值。例如：

>>> df
          match
0    MANU @ POR
1  MANU vs. UTA
2    MANU @ IND
3  MANU vs. GRE
>>> df['match'].str.contains('@').map({False: 'home', True: 'away'})
0    away
1    home
2    away
3    home
Name: match, dtype: object

---

使用np.where to with contains检查是否存在任何子字符串

import numpy as np
df = pd.DataFrame(data={"col1":["manu vs. abc","manu @ pro"]})
df['type'] = np.where(df['col1'].str.contains("@"),"away","home")

您可以使用来指定多个条件：

s=df['Match Place'].str.split().str[1] #select the middle element
c1,c2=s.eq('@'),s.eq('vs.') #assign conditions
np.select([c1,c2],['away','home']) #assign this to the desired column
#array(['away', 'home', 'away', 'home'], dtype='<U11')

s=df['Match Place'].str.split（）.str[1]#选择中间的元素
c1，c2=s.eq（'@'），s.eq（'vs.）#分配条件
np.选择（[c1，c2]，“离开”，“回家]）#将其分配给所需的列
#数组（['away'、'home'、'away'、'home']，dtype='替换的有趣用法

更多信息检查

---

由于您的第一个单词始终是MANU，所以字符串的第六个元素包含“@”或“v”。您可以使用check df['home/away'][i][5]来加快进程，而不是使用split。

        col1       type
0   manu vs. abc    home
1   manu @ pro      away

s=df['Match Place'].str.split().str[1] #select the middle element
c1,c2=s.eq('@'),s.eq('vs.') #assign conditions
np.select([c1,c2],['away','home']) #assign this to the desired column
#array(['away', 'home', 'away', 'home'], dtype='<U11')

df['match'].replace({'@':0},regex=True).astype(bool).map({False: 'away', True: 'home'})
0    away
1    home
2    away
3    home
Name: match, dtype: object