如何检查Pandas列的字符串值是否包含在另一个Pandas列的字符串值中？

Question

我有一个大数据框，格式如下：

| ID       | A                 | B                       |
| -------- | ----------------- | ----------------------- |
| 0        | Tenure: Leasehold | Modern;Tenure: Leasehold|
| 1        | First Floor       | Refurbished             |
| 2        | NaN               | Modern                  |
| 3        | First Floor       | NaN                     |

我想在合并 A 列和 B 列之前删除它们之间的冗余。所以我想检查A列的值是否包含在B列中：如果是，A列应该取B列的值，如果不是，A列的值应该保持不变。

我尝试了以下 lambda 函数：

df['A'] = df['A'].apply(lambda x: df.B if df.A in df.B else df.A)

但是我得到这个错误： TypeError: 'Series' objects are mutable, thus they cannot be hashed

然后我尝试使用 np.where 方法，如下所示：

df['A'] = np.where((df.A.values in df.B.values), df.B, df.A)

我可以运行代码，但是它 returns 所有列都是错误的，所以我的 DataFrame 没有得到任何修改。

如果我运行下面的代码，它returns不过是真的，所以我知道问题不是出在数据上：

df.loc[0, 'A'] in df.loc[0, 'B']

我尝试修改这段代码并像那样使用它：

df['A'] = np.where((df.loc[:, 'A'] in df.loc[:, 'B']), df.B, df.A)

但是我得到了和上面一样的 TypeError。

我该如何解决这个问题？

Answer 1

df["A"] = df.apply(lambda x: x["B"] if x["A"] in x["B"] else x["A"], axis=1)
print(df)

打印：

   ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished

编辑：处理 NaNs:

df["A"] = df.apply(
    lambda x: x["B"]
    if pd.notna(x["A"]) and pd.notna(x["B"]) and x["A"] in x["B"]
    else x["A"],
    axis=1,
)
print(df)

打印：

   ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished
2   2                       NaN                    Modern
3   3               First Floor                       NaN

如果要在 "A" 列中填写 NaNs:

df.loc[df["A"].isna(), "A"] = df.loc[df["A"].isna(), "B"]
print(df)

打印：

   ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished
2   2                    Modern                    Modern
3   3               First Floor                       NaN

Answer 2

我会使用 zip 进行列表理解，与 pandas 相比，随着数据帧大小的增加，应用会非常快：

df["A"] = [b if a in b else a for a,b in zip(df['A'],df['B'])]

print(df)

   ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished

如何检查Pandas列的字符串值是否包含在另一个Pandas列的字符串值中？

How to check whether the string value of a Pandas Column is contained in the string value of another Pandas Column?

python

series

dataframe

pandas