Python/Pandas 匹配另一个子串中的子串

Question

我一直在寻找存储在 2 个不同数据帧的 2 个不同子字符串中的公共密钥，然后输出第 3 列：

import pandas as pd
import numpy as np
df1 = pd.DataFrame({'Name':['John','Michael','Dan','George', 'Adam'], 'Code1':['AAA OO','BBB UU','JJ',np.nan,'II']})

df2 = pd.DataFrame({'Second Name':['Smith','Cohen','Moore','Kas', 'Faber'], 'code2':['UU HHH','AAA GGG',np.nan , 'TT II', np.nan]})

预期输出：

我已经做了我的研究.......这个问题真的和这个问题很相似：。但是这里的键只有一个项目，我的例子在两个键中都有 2 个项目。

Answer 1

假设您的代码总是由空格分隔。

您可以使用 list comprehensions 检查 Code2 列中 Code1 列中每个代码的存在。通过检索匹配代码的索引，我们可以获得 Dataframe 包含具有重叠代码的行。

然后我们可以更新原始数据帧以获得预期的输出。

# Create a list of matching codes
list_of_matches = df1['Code1'].apply(lambda x: [
                         any([word in str(list_of_words).split() 
                              for word in str(x).split()]) 
                              for list_of_words in df2['code2']])

# Get the indices of matching codes
i, j = np.where(list_of_matches.values.tolist())

# Create a new dataframe with name and second name of rows with matching code
# And drop rows with NA, as they don't make sense
df3 = pd.DataFrame(np.column_stack([df1.loc[i], df2.loc[j]]), 
                   columns=df1.columns.append(df2.columns)).dropna()

# Create columns in your original dataframe to be able to update the dataframe
df1['Second Name'] = np.nan
df1['code2'] = np.nan

# Update dataframe with matching rows
df1.update(df3)

输出

    Name    Code1   Second Name   code2
0   John    AAA OO  Cohen         AAA GGG
1   Michael BBB UU  Smith         UU HHH
2   Dan     JJ      NaN           NaN
3   George  NaN     NaN           NaN
4   Adam    II      Kas           TT II

Python/Pandas 匹配另一个子串中的子串

Python/Pandas matching substring in another substrings

python

substring

dataframe

pandas