查找关键字+1并创建新列
查找关键字+1并创建新列
提问于 2019-05-28 02:02:58
目标：
1)找到关键字旁边的单词(例如brca)
2)创建包含此单词的新列
背景：
1)我有一个列表l，我在其中生成一个数据帧df，并使用以下代码从其中提取单词brca：
l = ['carcinoma brca positive completion mastectomy',
'clinical brca gene mutation',
'carcinoma brca positive chemotherapy']
df = pd.DataFrame(l, columns=['Text'])
df['Gene'] = df['Text'].str.extract(r"(brca)")输出：
Text Gene
0 breast invasive lobular carcinoma brca positiv... brca
1 clinical history brca gene mutation . gross de... brca
2 left breast invasive ductal carcinoma brca pos... brca问题：
但是，我现在正在尝试为每一行查找单词brca旁边的单词，并创建一个新列。
所需输出：
Text Gene NextWord
0 breast invasive lobular carcinoma brca positiv... brca positive
1 clinical history brca gene mutation . gross de... brca gene
2 left breast invasive ductal carcinoma brca pos... brca positive我看过python pandas dataframe words in context: get 3 words before and after和PANDAS Finding the exact word and before word in a column of string and append that new column in python (pandas) column，但它们不太适合我。
问题：
我如何实现我的目标？
回答 3
Stack Overflow用户
回答已采纳
发布于 2019-05-28 02:24:26
我们可以使用python的内置方法partition
df['NextWord'] = df['Text'].apply(lambda x: x.partition('brca')[2]).str.split().str[0]输出
Text Gene NextWord
0 carcinoma brca positive completion mastectomy brca positive
1 clinical brca gene mutation brca gene
2 carcinoma brca positive chemotherapy brca positive说明
.partition返回三个值：
- 关键字之前的字符串
- 关键字本身
- 关键字
之后的字符串
string = 'carcinoma brca positive completion mastectomy'
before, keyword, after = string.partition('brca')
print(before)
print(keyword)
print(after)输出
carcinoma
brca
positive completion mastectomy速度
我对答案之间的速度比较很好奇，因为我使用的是.apply，但它是一个内置的方法。出乎意料的是，我的回答是最快的：
dfbig = pd.concat([df]*10000, ignore_index=True)
dfbig.shape
(30000, 2)%%timeit
dfbig['Text'].apply(lambda x: x.partition('brca')[2]).str.split().str[0]
31.5 ms ± 1.36 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
%%timeit
dfbig['NextWord'] = dfbig['Text'].str.split('brca').str[1].str.split('\s').str[1]
74.5 ms ± 2.56 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
%%timeit
dfbig['NextWord'] = dfbig['Text'].str.extract(r"(?<=brca)(.+?) ")
40.7 ms ± 2.4 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)Stack Overflow用户
发布于 2019-05-28 02:24:38
大量使用pandas Series.str访问器：
df['NextWord'] = df['Text'].str.split('brca').str[1].str.split('\s').str[1]
df
Text Gene NextWord
0 carcinoma brca positive completion mastectomy brca positive
1 clinical brca gene mutation brca gene
2 carcinoma brca positive chemotherapy brca positiveStack Overflow用户
发布于 2019-05-28 02:29:50
使用：
import pandas as pd
l = ['carcinoma brca positive completion mastectomy',
'clinical brca gene mutation',
'carcinoma brca positive chemotherapy']
df = pd.DataFrame(l, columns=['Text'])
df['NextWord'] = df['Text'].str.extract(r"(?<=brca)(.+?) ")
print(df)输出：
Text NextWord
0 carcinoma brca positive completion mastectomy positive
1 clinical brca gene mutation gene
2 carcinoma brca positive chemotherapy positive页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56330620
复制相关文章
相似问题
腾讯云开发者
