熊猫搜索大df的整行是否包含另一个小df的模板行？

Question

我有一个大df（df1），每一列都有二进制输出，如下所示：

df1:

  a b c d
1 1 0 1 0
2 0 0 0 0
3 0 1 0 1
4 1 1 0 0
5 1 0 0 0
6 1 0 1 1
...

我还有另一个较小的df（df2），其中包含一些“模板”行，我想检查df1s行是否包含。模板如下：

df2:

  a b c d
1 1 0 1 0
2 1 1 1 1
3 0 0 0 1
4 1 1 0 0

我想做的是有效地搜索大型df，以查找这些少量模板，因此在此示例中，第1、3、4、6行将匹配，但第2行和第5行将不匹配。我希望大df中的任何行都具有通过测试的额外1（即存在模板行，但该行中也有一些额外的1）。

我知道我可以有一个嵌套循环，遍历大和小的dfs的所有行，并将行作为np.arrays进行匹配，但这似乎是一种效率极低的方法。我想知道是否存在针对此问题的非迭代基于pd的解决方案？

非常感谢您！

次要功能编辑：除了搜索和匹配外，我还试图保留df2中与df1中的每一行匹配的模板行的列表，因此我可以统计大df中显示多少模板，他们是哪个。这是此答案（Compare Python Pandas DataFrames for matching rows）无法正常工作的原因之一。

Answer 1

此逻辑将根据您的要求告诉您哪里有匹配项。在这里，我只是在原始DF中创建了一个新列，但是您可能想要创建第三个DF，并为每个测试继续向其中添加列。然后，您可以汇总列/行以获得总计：

df1

   a  b  c  d
1  1  0  1  0
2  0  0  0  0
3  0  1  0  1
4  1  1  0  0

df2

   a  b  c  d
1  1  0  1  0
2  1  1  1  1
3  0  0  0  1
4  1  1  0  0

逻辑

t_match =[]
for index, row in df2.iterrows():
    t_match.append(((df1-row) >= 0).all(axis=1).sum())

输出

t_match
[1, 0, 1, 1]