基于列值作为子集的匹配数据帧

Question

假设我有两个熊猫数据帧：import pandas as pdsource_df = pd.DataFrame.from_dict({"Total": [315.59, 241.17, 165.87],                                              "Label": ["id|1234", "id|2345", "id|2333"]})    Total    Label0  315.59  id|12341  241.17  id|23452  165.87  id|2333和match_df = pd.DataFrame.from_dict(    {"Labels": ["id|1234; id|4957", "id|7632", "id|2345; id|9342", "id|2333; id|8321; id|9001"]})                      Labels0           id|1234; id|49571                    id|76322           id|2345; id|93423  id|2333; id|8321; id|9001我想替换使用 中的值中的值，选择 位于 中的行。因此，所需的输出将是：Labelsource_dfLabelsmatch_dfsource_df.Labelmatch_df.Labels    Total                      Label0  315.59           id|1234; id|49571  241.17           id|2345; id|93422  165.87  id|2333; id|8321; id|9001我目前这样做的方法依赖于 DataFrames using 之间的成对比较，这是出了名的慢，需要避免：iterrowsfor ii, row in source_df.iterrows():                                                for _, match_row in match_df.iterrows():                                            if row.Label in match_row.Labels:                                                   source_df.at[ii, "Label"] = match_row.Labels                                    break有没有一种更pythonic和更有效的方法来实现这种行为？

Answer 1

首先使用DataFrame.explode（pandas 0.25 +）由Series.str.split创建的列表，因此可以使用DataFrame.merge：Labels




df1 = match_df.assign(Label = match_df['Labels'].str.split('; ')).explode('Label')

df = source_df.merge(df1, on='Label')

print (df)

    Total    Label                     Labels

0  315.59  id|1234           id|1234; id|4957

1  241.17  id|2345           id|2345; id|9342

2  165.87  id|2333  id|2333; id|8321; id|9001

最后一列 ：Label

df['Label'] = df.pop('Labels')

print (df)

    Total                      Label

0  315.59           id|1234; id|4957

1  241.17           id|2345; id|9342

2  165.87  id|2333; id|8321; id|9001

另一个具有Series.map和字典理解的解决方案：

d = {y: x for x in match_df['Labels'] for y in x.split('; ')}

source_df['Label'] = source_df['Label'].map(d)

print (source_df)

    Total                      Label

0  315.59           id|1234; id|4957

1  241.17           id|2345; id|9342

2  165.87  id|2333; id|8321; id|9001