如果某列不包含同一行中另一列的值,请在新行pandas中添加另一列的值

时间:2018-12-12 06:59:13

标签: python pandas dataframe join contains

仅当“ A”列中的相应值未包含在“ B”列中时,我才希望在新行中将“ A”列中的值添加到“ B”列中。

我的数据框:

df

  A          B
  value1     value4
  value1     
  value1     value4\nvalue1\n
  value2     value4\nvalue7\n
  value2     value4\n
  value3     
  value3     value4\nvalue3\nvalue6
  value3     value2\nvalue1
  value3     value3\nvalue1\nvalue6

所以,我想要的数据帧

df

  A          B
  value1     value4\nvalue1
  value1     value1
  value1     value4\nvalue1
  value2     value4\nvalue7\nvalue2
  value2     value4\nvalue2
  value3     value3
  value3     value4\nvalue3\nvalue6
  value3     value2\nvalue1\nvalue3
  value3     value3\nvalue1\nvalue6

此外,问题在于,有时列“ B”中的字符串的末尾\ n存在,有时不存在。

我尝试使用df.A.str.contains(df [“ A”]),但是当contains()具有数据框列时,此方法不起作用。我认为这样可以正常工作:df.B.str.extract('(%s)'%'|'.join(df.A)),这仅适用于“ A”列中的值出现在“ B”列中-用于匹配,我不知道该如何适应我的问题。

我将不胜感激。

2 个答案:

答案 0 :(得分:2)

使用列表理解功能创建boolena掩码,并将缺少的值替换为emty字符串并使用Series.where

mask = [a in b for a, b in zip(df['A'], df['B'].fillna(''))]
b = df['B'].str.replace(r'\\n$', '')
df['B'] = b.where(mask, b + '\\n' + df['A']).fillna(df['A'])
print (df)
        A                       B
0  value1          value4\nvalue1
1  value1                  value1
2  value1          value4\nvalue1
3  value2  value4\nvalue7\nvalue2
4  value2          value4\nvalue2
5  value3                  value3
6  value3  value4\nvalue3\nvalue6
7  value3  value2\nvalue1\nvalue3
8  value3  value3\nvalue1\nvalue6

答案 1 :(得分:1)

我建议您为此目的使用df.apply。在内部,您将可以使用lambda创建条件。同样,我使用strip()从开头和结尾删除\n。请参见下面的代码:

# Code to build the dataframe
import pandas as pd
d = {'A': ['value1', 'value1', 'value1', 'value2', 'value2', 'value3', 'value3', 'value3', 'value3'], 'B': ['value4', '', 'value4\nvalue1\n', 'value4\nvalue7\n', 'value4\n', '', 'value4\nvalue3\nvalue6', 'value2\nvalue1', 'value3\nvalue1\nvalue6']}
df = pd.DataFrame(data=d)

# Here is the code to use
print(df.apply(lambda x: [x["A"], (x["B"].strip()+"\n"+x["A"]).strip()] if x["A"] not in x["B"] else [x["A"], x["B"].strip()], axis=1, result_type='broadcast'))

输出:

        A                         B
0  value1            value4\nvalue1
1  value1                    value1
2  value1            value4\nvalue1
3  value2    value4\nvalue7\nvalue2
4  value2            value4\nvalue2
5  value3                    value3
6  value3    value4\nvalue3\nvalue6
7  value3    value2\nvalue1\nvalue3
8  value3    value3\nvalue1\nvalue6
8  value3    value3\nvalue1\nvalue6