python - Pandas 根据另一列提取子字符串

Question

我有 2 个数据框。下面是第一个df：

df1={"columnA":['apple,cherry','pineple,lemon','banana, pear','cherry, pear, lemon']} 
df1=pd.DataFrame(df1)

第二个df：

df2={"columnB":['lemon','cherry']}
df2=pd.DataFrame(df2)

我已经得到了 df1 中出现在 df2 中的所有值。我正在使用以下代码进行过滤：

words = [rf'\b{string}\b' for string in df2.columnB]
df1[df1['columnA'].str.contains('|'.join(words))]

我得到了以下信息：

所以下一步我想做的是从上面的结果中删除所有不需要的子字符串，如下所示：

请让我知道我怎样才能做到这一点？

标签： pythonpandas

Answer 1

我认为您需要将一个单独的方法应用于 DataFrame：

def keep_words(cell, df):
    words = cell.split(',')
    result = []
    for word in words:
         if word.strip() in list(df.columnB):
              result.append(word)
    return ','.join(result)

words = [rf'\b{string}\b' for string in df2.columnB]
df1 = df1[df1['columnA'].str.contains('|'.join(words))]
df3 = df1.columnA.apply(lambda x: keep_words(x, df2))

由于需要安静的几个步骤才能完成，因此定义一个单独的方法（keep_words），该方法接收每个单元格内的字符串，以及带有接受单词的 DataFrame，将字符串中的每个单词与接受单词的“列表”进行比较并返回符合条件的。

不过，我不确定更大 DataFrame 的性能。