Есть датасет.
В нем необходимо в столбце 'body' слова, начинающиеся с символа "#", записать с столбец 'rubric' строкой. Если этих слов несколько, то они должны быть разделены запятой.
Я использую разные коды, например:
import pandas as pd
import re
df = pd.read_csv('SB.csv', encoding = 'utf-16')
df['rubric'] = df['body'].apply(lambda x: re.findall('#\w+', x))
df.head()
передает в столбец датафрейма список из одного или нескольких элементов, а нужна строка. Пример выдачи такого кода:
[#В_закладки_Skillbox, #Skillbox_дизайн]
Код
def rubric(x):
all_tag = re.findall('#\w+', x)
for tag in all_tag:
return tag
df['rubric'] = df['body'].apply(lambda x: rubric(x))
df.head(19)
передает в столбец строку, но всегда только из одного элемента. Пример выдачи такого кода:
[#В_закладки_Skillbox]
Желаемый результат:
#В_закладки_Skillbox, #Skillbox_дизайн