Python利用正则表达条件性创建dataframe中新的features和column列

目标

根据职位名称创建新的列，命名为教师(是/否)；类别(幼儿/小学/初中/高中/其他)。

二分式匹配

• 利用正则表达。如果职位包含英文teacher，Teacher，教师和老师，则为新建列教师添加元素（是）否则为（否）

代码如下：

# Create column 教师

teacher_list = 'teacher|Teacher|教师|老师'
regexp_value = re.compile(r'{}'.format(teacher_list))
job["教师"] = ["是" if regexp_value.search(ele) else "否" for ele in job["职位"]]

多项式分配

• 同样利用正则表达。如果职位包含
  1. 幼，幼儿则匹配（幼儿）
  2. 小学匹配（小学）
  3. 初中匹配（初中）
  4. 高中匹配（高中）
  5. 实习生匹配（实习）
  6. 否则为（其他）

代码如下：

# Create column 类别

job["类别"] = ""

list1 = '幼|幼儿'
list2 = '初中'
list3 = '高中'
list4 = '小学'
list5 = '实习生'

regexp_list1 = re.compile(r'{}'.format(list1))
regexp_list2 = re.compile(r'{}'.format(list2))
regexp_list3 = re.compile(r'{}'.format(list3))
regexp_list4 = re.compile(r'{}'.format(list4))
regexp_list5 = re.compile(r'{}'.format(list5))

for i in range(len(job["职位"])):
    
    if regexp_list1.search(job["职位"][i]):
        job["类别"][i] = "幼儿"
    elif regexp_list2.search(job["职位"][i]):
        job["类别"][i] = "初中"
    elif regexp_list3.search(job["职位"][i]):
        job["类别"][i] = "高中"
    elif regexp_list4.search(job["职位"][i]):
        job["类别"][i] = "小学"
    elif regexp_list5.search(job["职位"][i]):
        job["类别"][i] = "实习"
    else:
        job["类别"][i] = "其他"