Python 使用字符串包含和循环创建新的类别列

我有一个如下所示的数据框：

   name             Title
    abc          'Tech support'
    xyz          'UX designer'
    ghj          'Manager IT'
     ...            ....

cat_dict = {"Support":"Support", "designer":"Designer", "Manager": "Management"}

df['category'] = (df['Title'].str.extract(fr"\b({'|'.join(cat_dict.keys())})\b")[0]
                    .map(cat_dict)
                 )

我想遍历数据帧，并使用

df.str.contains

创建另一列，对这些作业进行分类。共有8类

输出将是：

name              Title             category
abc           'Tech support'         'Support' 
xyz           'UX designer'          'Design'
ghj           'Manager IT'           'Management'
...              ....              ....

以下是我迄今为止所尝试的：

for i in range(len(df)):
    if   df.Title[i].str.contains("Support"):
            df.category[i]=="Support"
    elif df.Title[i].str.contains("designer"):
            df.category[i]=="Design"
    else df.Title[i].str.contains("Manager"):
            df.category[i]=="Management"

当然，我是个编程高手，这会引发错误：

  File "<ipython-input-29-d9457f9cb172>", line 6
    else df.Title[i].str.contains("Manager"):
          ^
SyntaxError: invalid syntax

文件“”，第6行
else df.Title[i].str.contains（“管理者”）：
^
SyntaxError:无效语法

python if语句的一般语法为：

if test expression:
     Body of if
elif test expression:
     Body of elif
else: 
     Body of else

正如您在语法中看到的，要计算测试表达式，它应该在if或elif构造中。当测试表达式放置在else构造中时，代码抛出语法错误。考虑将最后的另一个更改为ELIF，并为错误添加一个倒退情况，例如：

else:
    df.category[i]=="Others"

---

python if语句的一般语法为：

if test expression:
     Body of if
elif test expression:
     Body of elif
else: 
     Body of else

正如您在语法中看到的，要计算测试表达式，它应该在if或elif构造中。当测试表达式放置在else构造中时，代码抛出语法错误。考虑将最后的另一个更改为ELIF，并为错误添加一个倒退情况，例如：

else:
    df.category[i]=="Others"

---

您可以这样做：

   name             Title
    abc          'Tech support'
    xyz          'UX designer'
    ghj          'Manager IT'
     ...            ....

cat_dict = {"Support":"Support", "designer":"Designer", "Manager": "Management"}

df['category'] = (df['Title'].str.extract(fr"\b({'|'.join(cat_dict.keys())})\b")[0]
                    .map(cat_dict)
                 )

---

您可以这样做：

   name             Title
    abc          'Tech support'
    xyz          'UX designer'
    ghj          'Manager IT'
     ...            ....

cat_dict = {"Support":"Support", "designer":"Designer", "Manager": "Management"}

df['category'] = (df['Title'].str.extract(fr"\b({'|'.join(cat_dict.keys())})\b")[0]
                    .map(cat_dict)
                 )

这个答案：应该让你走

Lmk，如果你有更多的问题

这个答案：你应该走了

Lmk，如果你有更多的问题

给你：

将熊猫作为pd导入
从io导入StringIO
df=pd.read\u csv（StringIO（“”）
姓名和头衔
abc技术支持
xyz用户体验设计器
ghj IT经理
“”），sep='\s{2，}'，engine='python'）
掩码=[df.Title.str.lower（）.str.contains（'support'），
df.Title.str.lower（）.str.contains（'designer'），
df.Title.str.lower（）.str.contains（'manager'）
]
值=[
"支持",，
"设计",，
“管理”
]
将numpy作为np导入
df['Category']=np.select（掩码、值、默认值='Unknown'）
打印（df）

输出：

  name         Title    Category
0  abc  Tech support     Support
1  xyz   UX designer      Design
2  ghj    Manager IT  Management

给你：

将熊猫作为pd导入
从io导入StringIO
df=pd.read\u csv（StringIO（“”）
姓名和头衔
abc技术支持
xyz用户体验设计器
ghj IT经理
“”），sep='\s{2，}'，engine='python'）
掩码=[df.Title.str.lower（）.str.contains（'support'），
df.Title.str.lower（）.str.contains（'designer'），
df.Title.str.lower（）.str.contains（'manager'）
]
值=[
"支持",，
"设计",，
“管理”
]
将numpy作为np导入
df['Category']=np.select（掩码、值、默认值='Unknown'）
打印（df）

输出：

  name         Title    Category
0  abc  Tech support     Support
1  xyz   UX designer      Design
2  ghj    Manager IT  Management

---

else

也应该是

elif

正确的python语法是

elif:

和

else:

。您忘记了

：

else也应该是

elif

正确的python语法是

elif:

和

else:

。您忘记了

：

。如果使用您的代码片段，我会收到此错误<代码>类型错误：condlist中的无效条目0:在

df['Category']=np行中应为布尔ndarray

。选择（掩码、值、默认值='Unknown'）@DevarshiGoswami添加了完整代码。你能核实一下吗？谢谢，我去看看如果我使用你的代码片段，我会得到这个错误<代码>类型错误：condlist中的无效条目0:在

df['Category']=np行中应为布尔ndarray

。选择（掩码、值、默认值='Unknown'）@DevarshiGoswami添加了完整代码。你能核实一下吗？谢谢，我去看看DCA此实现是否可以区分大小写？例如，

Tech support

和

Tech support

将被归类为

support

，而不向字典添加其他项。@DevarshiGoswami是的，只需将

re.IGNORECASE

传递到

extract

，即

.str.extract（“…”，re.IGNORECASE）

。此实现是否区分大小写？也就是说，

技术支持

和

技术支持

将被归类为

支持

，而无需在字典中添加其他项。@DevarshiGoswami是的，只需将

re.IGNORECASE

传递到

提取

，即

.str.extract（“…”，re.IGNORECASE）

。