Python 根据另一列是否包含列表中的名称在列表中设置列

我已经为这个问题挣扎了一段时间，所以我想是时候问一下了

我有一份名单：

names = ["john", "sally", "tom"]

我有一个df，其中一列是

action

。

操作

有许多不同的功能，例如：

• “和汤姆去散步”
• “带萨莉去商店”

我想创建一个名为

partner

的新列，并将其设置为

action

中的名称。 我已经设置了这个列，它已经填充了一些日志，但不是所有日志

我试过：

for name in names:
    df['partner'] =  np.where(df.action.str.contains(name), name, df['partner'] )

但我得到了这个错误：

TypeError:第一个参数必须是字符串或编译模式

我这样做对吗？有更好的方法吗？任何帮助都将不胜感激

编辑：要制作我的df样本，您可以使用：

names = ["john", "sally", "tom"]
d = {'name': ['mark','rick','mark','jon', 'lenny'], 'action': ['Went for a walk with tom', 'Took sally to the store', 'Went for a walk with john', 'Went racing with tom and lost', 'Took john to the store'],
    'partner': ['tom', '', 'john', '', 'john']}
df = pd.DataFrame(data=d)
df

列表“names”包含字符串中可能存在的所有名称，因此我认为最简单的方法是找到字符串中的名称并将其设置为partners列

以下是我得到的完整错误：

---

TypeError回溯（最近一次调用）
在（）
11
12对于合作伙伴中的合作伙伴：
--->13 EscrowLogs.loc[EscrowLogs.action.str.contains（partner），'partner']=partner
14
15
包含中的~\Anaconda3\lib\site packages\pandas\core\strings.py（self、pat、case、flags、na、regex）
2415 def包含（self、pat、case=True、flags=0、na=np.nan、regex=True）：
2416 result=str\u包含（self.\u数据，pat，case=case，flags=flags，na=na，
->2417正则表达式=正则表达式）
2418返回自包装结果（结果）
2419
str_中的~\Anaconda3\lib\site packages\pandas\core\strings.py包含（arr、pat、case、flags、na、regex）
385标志|=重新忽略案例
386
-->387 regex=re.compile（pat，flags=flags）
388
389如果regex.groups>0：
编译中的~\Anaconda3\lib\re.py（模式、标志）
232 def编译（模式，标志=0）：
233“编译正则表达式模式，返回模式对象。”
-->234返回编译（模式、标志）
235
236 def清除（）：
编译中的~\Anaconda3\lib\re.py（模式、标志）
283返回模式
284如果不是sre_compile.isstring（模式）：
-->285 raise TypeError（“第一个参数必须是字符串或编译模式”）
286 p=sre_compile.compile（模式、标志）
287如果不是（标志和调试）：
TypeError:第一个参数必须是字符串或编译模式

我需要一个可验证的数据样本来确定，但使用布尔索引应该可以：

for name in names:
     df.loc[df.action.str.contains(name), 'partner'] = name

---

在我的评论之后，您可以编写一个函数来迭代数据帧的行，并捕获产生错误/异常的值

例如，如果无法解析操作字段，可以使用此函数返回空值：

names = ["john", "sally", "tom"]

def get_partner(p, a):
    # if row already contains partner value, leave as is
    if p:
        return p
    # otherwise, extract partner name from the action column
    else:
        try:
            for name in names:
                if name in a:
                    return name
        # for any problematic action strings, return null value
        # (can be replaced with some other string that you can later check)
        except:
            return None

您还可以使用这个不需要在名称上循环的函数。它将每个句子拆分为一个单词列表，并删除在名称列表中找不到的所有单词，只留下名称值。如果有多个名称，它将使用逗号分隔符分隔它们

names = ["john", "sally", "tom"]

def get_partner(p, a):
    # if row already contains partner value, leave as is
    if p:
        return p
    # otherwise, extract partner name(s) from the action column
    else:
        try:
            return ",".join([i for i in a.split() if i in names])
        # for any problematic action strings, return null value
        # (can be replaced with some other string that you can later check)
        except:
            return None

然后使用

.apply（）

在数据帧上运行函数：

df['partner'] = df.apply(lambda x: get_partner(x['partner'], x['action']), axis=1)

---

能否添加格式化为数据帧的数据样本？谢谢。

.str.contains

方法不是矢量化的，因此您需要仔细考虑此处的迭代，尽管我不愿意这么说；这可能是

apply

和一些正则表达式根据dict获得匹配的一个例子。我不是那种把它作为答案的人。但是，为了公平起见，您至少只需要通过df行一次，这取决于数据的大小。我的直觉是，它可能相当小，而应用正则表达式则是过火了。@k_n_c如果你的直觉是错误的，我已经可以看到时间复杂性在这个问题上爆炸了。把句子分解不容易，我怀疑它涉及到许多不同的方法。我在这方面也犯了同样的错误。我将尝试使用我的df样本进行更新。

df['partner'] = df.apply(lambda x: get_partner(x['partner'], x['action']), axis=1)