Question

在我的项目中，我需要检查整个数据框列中是否存在某些值。数据框示例：

df=pd.DataFrame([['abc', 'a'], ['def', 'x'], ['aef', 'f']])
df.columns=['a', 'b']
>>>df
     a  b
0  abc  a
1  def  x
2  aef  f

此静态代码运行良好：

df['a'].str.contains('f').any()
True

我需要遍历行并检查“ b”列中的每个值是否包含在整个“ a”列中。我没有找到一种方法。这是我预期的工作方式，但返回错误：

df['c']=df.apply(lambda row:df['a'].str.contains(row['b']).any())

...
    return self._engine.get_value(s, k, tz=getattr(series.dtype, "tz", None))
  File "pandas\_libs\index.pyx", line 80, in pandas._libs.index.IndexEngine.get_value
  File "pandas\_libs\index.pyx", line 88, in pandas._libs.index.IndexEngine.get_value
  File "pandas\_libs\index.pyx", line 128, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\index_class_helper.pxi", line 91, in pandas._libs.index.Int64Engine._check_type
KeyError: ('b', 'occurred at index a')

有什么主意吗？

更新：如我所见，我的df不是一个很好的例子。这是更好的一种（包括预期结果）：

     a  b      c
0  abc  a   True
1  def  b   True
2  aef  x  False

Answer 1

使用Series.str.extractall和Series.isin进行测试：

df=pd.DataFrame([['#123 - some text', '', False], 
                 ['#124 - some text', '123', True], 
                 ['#125 - some text', '', False], 
                 ['#126 - some text', '126', True], 
                 ['#127 - some text', '123', True], 
                 ['#128 - some text', '129', False]],columns=['Text', 'ID', 'Expected result'])


s = df['Text'].str.extractall("(" + '|'.join(set(df['ID'])) + ")")[0].dropna()
df['new'] = df['ID'].isin(s)
print (df)
               Text   ID  Expected result    new
0  #123 - some text                 False  False
1  #124 - some text  123             True   True
2  #125 - some text                 False  False
3  #126 - some text  126             True   True
4  #127 - some text  123             True   True
5  #128 - some text  129            False  False

详细信息：

首先使用|为正则表达式OR设置集合来创建所有唯一值的模式：

print ("(" + '|'.join(set(df['ID'])) + ")")
(|123|129|126)

然后从Text中提取所有匹配的值，通过Series.dropna删除丢失的值，并通过isin删除最后的测试成员资格：

print (df['Text'].str.extractall("(" + '|'.join(set(df['ID'])) + ")")[0].dropna())
   match
0  2        123
3  2        126
Name: 0, dtype: object

如何检查一个数据框列中的值是否包含在另一整个列中？

1 个答案: