Question

我有以下熊猫

df:


colA

abc dbe fec
ghi jkl ref
sgsh hjo 


df2:


colB        colC

hjo              12
hhh chk          14
eee abc          17

我想比较df中每一列的字符串中的单词与df2 colB中的字符串中的每个单词。如果找到匹配项，我想将相应的colC添加到df1。如果有任何单词与colB匹配，则应停止并移至下一列。

结果：

newdf:


colA             colC

abc dbe fec       17
ghi jkl ref       none
sgsh hjo          12

最快的方法是什么（巨大的数据集）

如解决方案中所述，

pat:  

 '(Absolute Plumbing|D\xc3\xa9jeuner Eggcetera|Ivy Garcia, LMT|Native Bloom Landscape and Design|Seay\'s|Thulasi Kitchen|Liyuen|Viva Photo Booth|Cleopatra Internet Cafe|R&B\'s Pizza Place|Hilton Toronto/Markham Suites Conference Centre & Spa|Hegel Yoga|Boonda\'s|San Tan Aikido Kokikai|Mega Motors|Blue Sky Nails & Spa|Restaurant Cinq Epices|North East Auto Credit|Blind Tiger|T & S Towing'

Answer 1

使用此：

制作参考数据库的字典：

d = dict(zip(df2.colB,df2.colC))
#{'hjo': 12, 'hhh chk': 14, 'abc': 17}

创建图案：

pat = r'({})'.format('|'.join(d.keys()))
#'(hjo|hhh chk|abc)'

使用s.str.extract和s.map()

df['colC']=df.colA.str.extract(pat, expand=False).dropna().map(d)
print(df)

         colA  colC
0  abc dbe fec  17.0
1  ghi jkl ref   NaN
2     sgsh hjo  12.0

编辑每行中的转义字符和空格是否匹配* （不确定是否是最佳方法，但可以使用）*

考虑df2是：

     colB  colC
0      hjo    12
1  hhh ref    14
2      abc    17

和df1与您的示例相同：

    colA
0   abc dbe fec
1   ghi jkl ref
2   sgsh hjo

import re
df_split=pd.DataFrame(df2.colB.str.split(' ').tolist(),index=df2.colC).stack().reset_index(0).rename(columns={0:'colB'}).reindex(df2.columns,axis=1)
print(df_split)

  colB  colC
0  hjo    12
0  hhh    14
1  ref    14
0  abc    17

您会注意到具有空格的列将转换为具有相同值的行

d = dict(zip(df_split.colB,df_split.colC))
#{'hjo': 12, 'hhh': 14, 'ref': 14, 'abc': 17}
keys=[re.sub('[^A-Za-z0-9]+', '', i) for i in d.keys()]
pat = r'({})'.format('|'.join(keys))
df['colC']=df.colA.str.extract((pat),expand=False).map(d)
print(df)
          colA  colC
0  abc dbe fec    17
1  ghi jkl ref    14
2    sgsh hjo     12

将一列熊猫中的字符串与另一列熊猫中的字符串进行比较

1 个答案: