问题描述
我是python的新手。
我在MS Excel文件中有一列，其中使用了four tag ，分别是LOC , ORG , PER和MISC ， given data 如下：
1 LOC/Thai Buddhist temple;
2 PER/louis;
3 ORG/WikiLeaks;LOC/Southern Ocean;
4 ORG/queen;
5 PER/Sanchez;PER/Eli Wallach;MISC/The Good, The Bad and the Ugly;
6
7 PER/Thomas Watson;
...................
...................
.............#continue upto 2,000 rows
我想要一个结果，在特定行中存在或不存在标签的情况下，如果存在某些标签，则在其特定的（新列，如下所示）列中放置"1" ，如果不存在则添加"0" 。
我希望此excel文件中的所有4列均为LOC / ORG / PER / MISC，并将分别为2、3、4和5列，而first column is given data ，并且文件包含将近2815行，并且每行都从这些LOC / ORG / PER / MISC。
我的目标是从新列开始计数
LOC总数，ORG总数，PER总数和MISC总数
结果将是这样的：
given data LOC ORG PER MISC
1 LOC/Thai Buddhist temple; 1 0 0 0 #here only LOC is present
2 PER/louis; 0 0 1 0 #here only PER is present
3 ORG/WikiLeaks;LOC/Southern Ocean; 1 1 0 0 #here LOC and ORG is present
4 PER/Eli Wallach;MISC/The Good; 0 0 1 1 #here PER and MISC is present
5 .................................................
6 0 0 0 0 #here no tag is present
7 .....................................................
.......................................................
..................................continue up to 2815 rows....
我是Python.so的初学者，我已尽力搜索其解决方案代码，但找不到与我的问题相关的任何程序，这就是我在此处发布的原因。 所以，请任何人帮助我。
1楼
我假设您已经成功地从excel中读取了数据，并使用pandas在python中创建了一个数据框（要读取excel文件，我们有df1 = read_excel（“ File / path / name.xls” Header = True / False））。
这是您的数据框df1的布局
Colnum | Tagstring
1 |LOC/Thai Buddhist temple;
2 |PER/louis;
3 |ORG/WikiLeaks;LOC/Southern Ocean;
4 |ORG/queen;
5 |PER/Sanchez;PER/Eli Wallach;MISC/The Good, The Bad and the Ugly;
6 |PER/Thomas Watson;
现在，有几种方法可以搜索字符串中的文本。
我将演示find函数：
语法：str.find（str，beg = 0，end = len（string））
str1 = "LOC";
str2 = "PER";
str3 = "ORG";
str4 = "MISC";
df1["LOC"] = (if Tagstring.find(str1) >= 0 then 1 else 0).astype('int')
df1["PER"] = (if Tagstring.find(str2) >= 0 then 1 else 0).astype('int')
df1["ORG"] = (if Tagstring.find(str3) >= 0 then 1 else 0).astype('int')
df1["MISC"] = (if Tagstring.find(str4) >= 0 then 1 else 0).astype('int')
2楼
如果您已读取数据df则可以执行以下操作：
pd.concat([df,pd.DataFrame({i:df.Tagstring.str.contains(i).astype(int) for i in 'LOC ORG PER MISC'.split()})],axis=1)
Out[716]:
Tagstring LOC ORG PER MISC
Colnum
1 LOC/Thai Buddhist temple; 1 0 0 0
2 PER/louis; 0 0 1 0
3 ORG/WikiLeaks;LOC/Southern Ocean; 1 1 0 0
4 ORG/queen; 0 1 0 0
5 PER/Sanchez;PER/Eli Wallach;MISC/The Good, The... 0 0 1 1
6 PER/Thomas Watson; 0 0 1 0