Question

我有一个要求，我必须在两个数据帧的两列之间进行精确匹配。

df[res_name] = df[plain_col] == df[b_col]

现在，我希望为其添加一个包含逻辑。

例如，如果

在df [plain_col]中找到

df [b_col]值，然后返回True，否则返回False。

用法

具有值为1A的

df [b_col]和具有值为1A12的df [Plain_col]。然后输出将为True。

Answer 1

我认为您需要使用zip和in进行列表理解才能进行逐行处理：

df = pd.DataFrame({'plain_col':['1A12','1C12','1B12'],
                   'b_col':['1A','1B','1C']})

df['res_name'] = [b in a for a, b in zip(df['plain_col'], df['b_col'])]
print (df)
  plain_col b_col  res_name
0      1A12    1A      True
1      1C12    1B     False
2      1B12    1C     False

性能：

df = pd.DataFrame({'plain_col':['1A12','1C12','1B12'],
                   'b_col':['1A','1B','1C']})

#3k rows
df = pd.concat([df] * 1000, ignore_index=True)

In [15]: %timeit df['res_name'] = [b in a for a, b in zip(df['plain_col'], df['b_col'])]
605 µs ± 30 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [16]: %timeit df['res_name'] = df.apply(lambda row:row.b_col in row.plain_col, axis=1)
75.2 ms ± 320 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

编辑：

错误argument of type float is not iteratable显然表示缺少值，可能的解决方法是：

df = pd.DataFrame({'plain_col':['1A12','1C12',np.nan],
                   'b_col':['1A','1B','1C']})


def func(a, b):
    if (a != a) or (b != b):
        return False
    return b in a

df['res_name'] = list(map(func, df['plain_col'], df['b_col']))
print (df)
  plain_col b_col  res_name
0      1A12    1A      True
1      1C12    1B     False
2       NaN    1C     False

另一个更通用的解决方案：

df = pd.DataFrame({'plain_col':['1A12',6.7,np.nan],
                   'b_col':['1A','1B','1C']})


def func(a, b):
    try:
        return b in a
    except Exception:
        return False

df['res_name'] = list(map(func, df['plain_col'], df['b_col']))
print (df)
  plain_col b_col  res_name
0      1A12    1A      True
1       6.7    1B     False
2       NaN    1C     False

Answer 2

那

df['res_name'] = df.apply(lambda row:row.b_col in row.plain_col, axis=1)

熊猫-如果dfb中的值与dfa中的值匹配，则返回True

2 个答案: