Question

我对python很陌生，这可能是一个基本问题。如果是这样，请提前对不起！

我正在尝试完成以下任务：

对于每一行，在列df3['court_short']中搜索court_region_df[['court_long']]的值。
如果列court_region_df[['court_long']]中存在匹配项，则为court_region_df[['hmcts_region']]选择该行的值并将其复制到df3['region']

df3['court_short']的值是一个字符串，通常是一个类似城镇名称的名称，而court_region_df[['court_long']]的值则是一个较长的字符串的值，例如完整的地址。

我对首先如何完成步骤1感到迷茫。我发现的大多数python搜索功能似乎都不适合在较长的字符串中查找特定模式。

Answer 1

这是一个玩具示例，但与您的示例大致相同：

d = pd.DataFrame([['aa', 'bb'], ['cc', 'dd']], columns=['a', 'b'])
e = pd.DataFrame([['a', 'E'], ['c', '.']], columns=['a', 'b'])

e['c'] = e['a'].apply(lambda x: (d[d['a'].str.contains(x)]['b']))[0]

输出：

    a   b   c
0   a   E   bb
1   c   .   NaN

编辑：我尝试使用您的数据，并且能够提出一种非矢量化的解决方案，该解决方案速度稍慢，但可管理（与您共享的文件需要花费几秒钟的时间）。在这里：

court_region_df = pd.read_csv('courts (1).csv')
df3 = pd.read_csv('cjs-national-court-codes-9 (2).csv', names=['court_short'], header=0)
court_region_df = court_region_df.rename(columns={'court':'court_long'})

for idx in df3.index:
    x = df3.loc[idx,'court_short']
    region = court_region_df[court_region_df.iloc[:,0].str.contains(x, case=False, regex=False)]['hmcts_region']
    df3.loc[idx, 'region'] = [region.values[0] if len(region) > 0 else np.nan][0]

稍微快一点的是将它们存放在字典中，并且完全避免使用熊猫魔法：

court_to_region = pd.Series(court_region_df.hmcts_region.values, index=court_region_df.court_long.str.lower()).to_dict()

regions = []
for i in df3.court_short.values:
    region = np.nan
    for key in court_to_region.keys():
        if i.lower() in key:
            region = court_to_region[key]
    regions.append(region)
df3['region'] = regions

结果：

df3[~df3.isna().any(axis=1)]

    court_short                 region
280     Birmingham Crown Court  midlands
301     Ipswich Crown Court     south_east

如您所见，给定共享的数据，这仅返回两个匹配项。您可能需要研究模糊的匹配系统。

对于每个列值[substring]，在其他列[string]中查找匹配项

1 个答案: