作者liquidbox (树枝摆摆)
看板Python
标题[问题]请教如何加快dataframe的条件判断
时间Sun May 14 18:13:58 2023
请问，我有一个近万个由不重复字串组成的list叫kw_list，以及一个df
范例是['book','money','future','file']
Index sentence
1 This is a book
2 back to the future
3 replace the file
4 come on
5 have a nice weekend
我想要把list中的字串逐一拉出来，
跟sentence那个栏位比较，如果sentence栏位有包含该字串（近万个都要逐一比对）
就标上True，否则就False
我建了一个近万个column的新dataframe，栏位是kw_list
然後跟原本的df合并起来，
然後再写个条件判断式，若该笔资料的sentence包含该字串，
那个column就标上True，不然就False
於是会变成
Index sentence book money future file
1 This is a book TRUE FALSE FALSE FALSE
2 back to the future FALSE FALSE TRUE FALSE
3 replace the file FALSE FALSE FALSE TRUE
4 come on FALSE FALSE FALSE FALSE
5 have a nice weekend FALSE FALSE FALSE FALSE
不意外地，我用回圈去判断，跑几小时都跑不出结果，如下：
for kw in kw_list:
df.loc[df['sentence'].str.contains(kw),df[kw]]=True
我觉得我把同样的东西丢到Excel用函数算可能都比较快，
请问有什麽方法改写，让这个df的运算速度加快吗
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 36.225.78.65 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1684059240.A.3FF.html
3F：推 poototo: 拿sentence的word来判断是否存在於kw_list 05/14 19:40
4F：→ lycantrope: pandas: df[kw]=df["sentence"].str.contains(kw) 05/14 21:31
5F：→ lycantrope: for kw in df: 05/14 21:31