Question

我是Python的新手，我在加入两个pandas数据帧时遇到了很多麻烦，因为合并应该基于部分字符串匹配。更具体地说：

我有一个名为df的数据框，如下所示：

{ "writtenAt":"2015-01-01T18:31:01+00:00", "content":" India\u2019s banks will ramp up sales of bonds that act as capital buffers in 2015" }

其中大约有10,000行，如上所示。

现在，我有另一个名为compNames的数据框，如下所示：

{ "ticker":"A", "name":"Agilent Technologies Inc.", "keyword":"Agilent" }

我有大约500行的CampNames数据帧。

我试图通过以下机制将compNames的股票价值指定给df的匹配条目：

检查整个列中的任何项目CompNames ['keyword']是否为包含在df ['content']
如果匹配，则将匹配的单词作为单独的单词返回 df数据帧的列（例如，['matchedName']）
如果有多个匹配项，则创建匹配单词列表到df ['content']
最后，使用df ['matchedName']和来加入df和CompNames CompNames ['keyword']作为我的关键变量

到目前为止我所拥有的是：

# Load select company names
compNames = pd.read_csv("compNameList_LARA.txt")
compList = '|'.join(compNames['keyword'].tolist())
df['compMatch'] = df.content.str.contains(compList)

# drop unmatched articles
df = df[df['compMatch']==True]

# assign firm names
df['matchedName'] = df['content'].apply(lambda x: [x for x in   compNames['keyword'].tolist() if x in df['content']])

然而，当我这样做时，我得到一个df ['matchedName']

-Jin

Answer 1

想出来。我只需要这样做：

df['content'] = df['content'].str.lower().str.split()
df['matchedName'] = df['content'].apply(lambda x: [item for item in x if item in compNames['keyword'].tolist()])

python基于部分字符串匹配

1 个答案: