时间戳

首页 > 解决方案 > 如果数据框存在于另一个数据框列中，则搜索它的子字符串

python - 如果数据框存在于另一个数据框列中，则搜索它的子字符串

问题描述

我需要一些帮助来搜索 dataframe1 的化学列中的字符串或子字符串，并检查它是否存在于 dataframe2 中，然后在 dataframe1 中创建一个新列以从 dataframe2 返回相应的化学名称列。有人可以帮忙吗？

谢谢

标签： pythonpandasstringdataframestring-comparison

解决方案

我不是 100% 确定你的问题很清楚，但是我已经尝试过你所说的你试图用一个例子做的事情。这里我们搜索 df1 中的每个元素，然后在 df1 的新列中返回 df2 中每个匹配项的列表。让我知道这是否是您所期望的：

df1 = pd.DataFrame({'CHEMICALS': ['AAA', 'BBB', 'ccc'],
                   'label': [0.0, 1.0, 0.0]
                   })
df2 = pd.DataFrame({'CHEMICALS': ['DDD', 'BBB_2', 'ccc_2', 'ccc_3'],
                   })

for ind1 in df1.index:
    df1.loc[ind1, 'df2_match'] = ', '.join(list(df2[df2['CHEMICALS'].str.contains(df1['CHEMICALS'][ind1])]['CHEMICALS']))

稍微分解一下：

x1 = df2['CHEMICALS'].str.contains(df1['CHEMICALS'][ind1])

如果 df2 中的项目包含 df1 中位置 ind1 的字符串，这将返回一个 TRUE/FALSE 系列。

x2 = df2[x1]['CHEMICALS']

这将在 TRUE/FALSE 系列指定的位置返回 df2 中每个 CHEMICAL 的名称。

x3 = ', '.join(list(x2))

然后，这会将这些名称转换为列表，然后将它们与中间的 ', ' 连接在一起。然后将其卡在 df1 的新列中的正确索引处，并对 df1 中的每种化学物质重复。

输出如下所示：

df1
    CHEMICALS   label   df2_match
0   AAA         0.0 
1   BBB         1.0     BBB_2
2   ccc         0.0     ccc_2, ccc_3

推荐阅读