如果其他列中的字符串包含列表中的内容，则更新一列中的值

Question

  id name             gender
0 13 John Smith       0
1 46 Jim Jeffries     2
2 75 Jennifer Johnson 0
3 37 Sam Adams        0
4 24 John Cleese      0
5 17 Taika Waititi    0

我在 df 中有很多人的名字和性别，取自电影演员的数据库。性别被指定为 1（女性）、2（男性）或 0（未列出）。我想通过名字梳理并冷酷地假设性别。名称将存储在列表中，并手动填写。也许我通过 ID 发现了一个名字不分性别的人，然后自己确定他们是否 male/female，我也想注入它：

m_names = ['John', ...]
f_names = ['Jennifer', ...]
m_ids   = ['37', ...]
f_ids   = ['', ...]

我很好地控制了 for 循环和 np.where，但我不知道如何逐行通过这个 df。

如果要使用上面的内容，我想要的 return 看起来像：

for index, row in df.iterrows():
  if row['gender'] == 0:
    if   row['name'].str.contains(' |'.join(f_names)) or row['id'].str.contains('|'.join(f_ids)):
      return 1
    elif row['name'].str.contains(' |'.join(m_names)) or row['id'].str.contains('|'.join(m_ids)):
      return 2
print(df)

  id name             gender
0 13 John Smith       2
1 46 Jim Jeffries     2
2 75 Jennifer Johnson 1
3 37 Sam Adams        2
4 24 John Cleese      2
5 17 Taika Waititi    0

注意“|”前的 space在名字的条件下，避免抓取姓氏的任何部分。

在这一点上，我运行对如何格式化我的 if 语句感到困惑。 Python 不喜欢我的格式，并说我的“return”是 'outside function'。如果我将这些更改为

row['gender'] = #

我运行遇到了 unicode 问题以及我对 'str' 和 'contains' 的使用。

Answer 1

似乎您需要 np.select 而不需要 for 循环

df['gender'] = np.select([df.name.str.contains(" |".join(m_names)),
                          df.name.str.contains(" |".join(f_names))],
                         [2, 1], 
                         default=3)

Answer 2

您可以使用 Pandas 函数 isin

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.isin.html

df.loc[df.name.isin(m_names), 'gender'] = 2

Answer 3

你可以先构造和组合布尔掩码。例如：

m_zero = df['gender'].eq(0)

m_name_female = df['name'].str.contains(' |'.join(f_names))
m_name_male = df['name'].str.contains(' |'.join(m_names))

m_id_female = df['id'].str.contains('|'.join(f_ids))
m_id_male = df['id'].str.contains('|'.join(m_ids))

female_mask = m_zero & (m_name_female | m_id_female)
male_mask = m_zero & (m_name_male | m_id_male)

然后通过pd.DataFrame.loc应用逻辑：

df.loc[female_mask, 'gender'] = 1
df.loc[male_mask, 'gender'] = 2

或使用嵌套 numpy.where:

df['gender'] = np.where(female_mask, 1, np.where(male_mask, 2, df['gender']))

或者，如果您希望提供标量默认值，请使用 numpy.select:

df['gender'] = np.select([female_mask, male_mask], [1, 2], 3)

如果其他列中的字符串包含列表中的内容，则更新一列中的值

Update Value in one column, if string in other column contains something in list

python

iteration

conditional

replace

pandas