Question

df1包含我要搜索的较大的主字符串。 df2包含一个子字符串列表，并且与每个子字符串相关联是一个值。

import pandas as pd

df1 = pd.DataFrame(columns = ['MainString'])
df1 = df1.append({'MainString':'abcdef'}, ignore_index=True)
df1 = df1.append({'MainString':'ghijkl'}, ignore_index=True)
df1 = df1.append({'MainString':'mnopqr'}, ignore_index=True)
df1 = df1.append({'MainString':'stuvwx'}, ignore_index=True)

df2 = pd.DataFrame(columns = ['Substring','Value'])
df2 = df2.append({'Substring':'bcde','Value':0.5}, ignore_index=True)
df2 = df2.append({'Substring':'bcd','Value':0.6}, ignore_index=True)
df2 = df2.append({'Substring':'mno','Value':0.4}, ignore_index=True)
df2 = df2.append({'Substring':'stuv','Value':0.7}, ignore_index=True)
df2 = df2.append({'Substring':'uvwx','Value':0.7}, ignore_index=True)
df2 = df2.append({'Substring':'stu','Value':0.4}, ignore_index=True)

print(df1)
  MainString
0     abcdef
1     ghijkl
2     mnopqr
3     stuvwx

print(df2)
  Substring  Value
0      bcde    0.5
1       bcd    0.6
2       mno    0.4
3      stuv    0.7
4      uvwx    0.7
5       stu    0.4

我想在df1['MainString']中搜索df2['Substring']中的值，但是只返回最大值。如果有平局（例如stuv和uvwx），请先返回。所以决赛看起来像：

  MainString Substring Value
0     abcdef       bcd   0.6
1     ghijkl       NaN   NaN
2     mnopqr       mno   0.4
3     stuvwx      stuv   0.7

不确定我是否只需要遍历并评估每个MainString和每个Substring。我试过改编this solution，但它只返回第一个匹配的字符串，而不返回具有最高值的子字符串：

s_list = list(df2['Substring'])
s_list = '(' + '|'.join(s_list) + ')'
df1['test'] = df1['MainString'].str.extract(s_list, expand=False)

print(df1)
  MainString  test
0     abcdef  bcde
1     ghijkl   NaN
2     mnopqr   mno
3     stuvwx  stuv

Answer 1

this answer中的代码使您可以在子字符串匹配时连接两个数据帧。它会贪婪地选择第一个匹配项，因此您必须按相关值对包含子字符串的数据框进行排序，以使其匹配最大值。

以下代码为您的示例实现了这一点：

pattern = "|".join(df2.sort_values("Value", ascending=False).Substring)
result = df1.copy()
result.insert(
    0, "Substring", df1["MainString"].str.extract("(" + pattern + ")", expand=False)
)

result = result.join(df2.set_index("Substring"), on="Substring")

Python-搜索字符串列表以获取子字符串列表，并从另一个列返回最大值

1 个答案: