我有一个如下所示的熊猫数据框。我想在数据框的每一行中搜索文本，并突出显示该文本是否出现在行中。
例如，我想在每一行中搜索“琼斯”。我想忽略搜索词的大小写。在以下情况下，我想向名为“ jones”的数据添加新列，它的值将为1,1,0，因为在第一行和第二行中找到了该单词
[我找到了this，该文章显示了如何在列中查找文本，但是当我有很多列（例如50+）时如何查找文本？我考虑过串联所有列并创建一个新列，但没有看到任何可以串联数据框所有列的功能（无需询问每个列的名称）
我想对多个关键字进行此操作。例如，我有关键字LLC, Co, Blue, alpha的列表以及更多（30 +）
sales = [{'account': 'Jones LLC', 'Jan': '150', 'Feb': '200', 'Mar': '140'},
{'account': 'Alpha Co', 'Jan': 'Jones', 'Feb': '210', 'Mar': '215'},
{'account': 'Blue Inc', 'Jan': '50', 'Feb': '90', 'Mar': '95' }]
df = pd.DataFrame(sales)
来源DF：
Feb Jan Mar account
0 200 150 140 Jones LLC
1 210 Jones 215 Alpha Co
2 90 50 95 Blue Inc
所需的DF：
Feb Jan Mar account jones llc co blue alpha
0 200 150 140 Jones LLC 1 1 0 0 0
1 210 Jones 215 Alpha Co 1 0 1 0 1
2 90 50 95 Blue Inc 0 0 0 1 0
[在这里，我们将熊猫内置的str函数contains与apply一起使用，然后将它们全部与any结合在一起，如下所示，
search_string = 'Jones'
df[search_string] = (df.apply(lambda x: x.str.contains(search_string))
.any(axis=1).astype(int))
df
Out[2]:
Feb Jan Mar account Jones
0 200 150 140 Jones LLC 1
1 210 Jones 215 Alpha Co 1
2 90 50 95 Blue Inc 0
这很容易扩展，因为contains使用正则表达式进行匹配。它还有一个大小写arg，因此您可以使其不区分大小写并搜索Jones和jones。
为了遍历搜索词列表，我们需要进行以下更改。通过将每个搜索结果（Series）存储在列表中，我们使用列表将系列加入DataFrame中。我们这样做是因为我们不想在新列中搜索新的search_string，
df_list = []
for search_string in ['Jones', 'Co', 'Alpha']:
#use above method but rename the series instead of setting to
# a columns. The append to a list.
df_list.append(df.apply(lambda x: x.str.contains(search_string))
.any(axis=1)
.astype(int)
.rename(search_string))
#concatenate the list of series into a DataFrame with the original df
df = pd.concat([df] + df_list, axis=1)
df
Out[5]:
Feb Jan Mar account Jones Co Alpha
0 200 150 140 Jones LLC 1 0 0
1 210 Jones 215 Alpha Co 1 1 1
2 90 50 95 Blue Inc 0 0 0
UPDATE：您似乎想要OneHotEncode一些特定的单词-您可以使用sklearn.feature_extraction.text.CountVectorizer：
In [131]: from sklearn.feature_extraction.text import CountVectorizer
In [132]: vocab = ['jones', 'llc', 'co', 'blue', 'alpha']
In [133]: cv = CountVectorizer(vocabulary=vocab)
In [134]: r = pd.SparseDataFrame((cv.fit_transform(df.select_dtypes('object').add(' ').sum(1)) != 0) * 1,
df.index,
cv.get_feature_names(),
default_fill_value=0)
In [135]: r
Out[135]:
jones llc co blue alpha
0 1 1 0 0 0
1 1 0 1 0 1
2 0 0 0 1 0
您也可以将其与原始DF合并：
In [137]: df = df.join(r)
In [138]: df
Out[138]:
Feb Jan Mar account jones llc co blue alpha
0 200 150 140 Jones LLC 1 1 0 0 0
1 210 Jones 215 Alpha Co 1 0 1 0 1
2 90 50 95 Blue Inc 0 0 0 1 0
说明：
使用空格作为分隔符将所有字符串列连接为一个单独的列：
In [165]: df.select_dtypes('object').add(' ').sum(1)
Out[165]:
0 200 150 140 Jones LLC LLC
1 210 Jones 215 Alpha Co
2 90 50 95 Blue Inc
dtype: object
生成具有选定特征的One Hot Encode稀疏矩阵：
In [176]: A = (cv.fit_transform(df.select_dtypes('object').add(' ').sum(1)) != 0) * 1
In [177]: A
Out[177]:
<3x5 sparse matrix of type '<class 'numpy.int32'>'
with 6 stored elements in Compressed Sparse Row format>
In [178]: A.A
Out[178]:
array([[1, 1, 0, 0, 0],
[1, 0, 1, 0, 1],
[0, 0, 0, 1, 0]])
In [179]: cv.get_feature_names()
Out[179]: ['jones', 'llc', 'co', 'blue', 'alpha']
从中生成一个SparseDataFrame：
In [174]: r = pd.SparseDataFrame((cv.fit_transform(df.select_dtypes('object').add(' ').sum(1)) != 0) * 1,
...: df.index,
...: cv.get_feature_names(),
...: default_fill_value=0)
...:
...:
In [175]: r
Out[175]:
jones llc co blue alpha
0 1 1 0 0 0
1 1 0 1 0 1
2 0 0 0 1 0