将所有值 str 列数据帧与其他数据帧 str 列匹配

Question

我有两个熊猫数据帧：数据帧 1：ITEM ID TEXT1       some random words2       another word3       blah 4       random words 数据帧 2：INDEX INFO1     random3     blah 我想将 INFO 列（数据帧 2）中的值与数据帧 1 的 TEXT 列进行匹配。如果有匹配项，我希望看到一个带有“1”的新列。像这样：ITEM ID TEXT                  MATCH1       some random words       12       another word  3       blah                    14       random words            1我能够通过以下代码行为每个 INFO 列的值创建一个匹配项：dataframe1.loc[dataframe1['TEXT'].str.contains('blah'), 'MATCH'] = '1'但是，实际上，我的真实数据帧 2 有 5000 行。所以我不能手动复制粘贴所有这些。但基本上我正在寻找这样的东西：dataframe1.loc[dataframe1['TEXT'].str.contains('Dataframe2[INFO]'), 'MATCH'] = '1'我希望有人可以帮忙，谢谢！

Answer 1

试一试：

法典：

dfA['MATCH']    = dfA['TEXT'].apply(lambda x: min(len([ y for y in dfB['INFO'] if y in x]), 1))

输出：

   ITEM ID               TEXT  MATCH

0        1  some random words      1

1        2       another word      0

2        3               blah      1

3        4       random words      1

如果不是比赛，那就是0，但这很容易被淘汰。

可能有一个更好/更快的本机解决方案，但它通过迭代“TEXT”列和“INFO”来完成工作。根据您的使用案例，它可能足够快。

看起来代替也会一样好用。同样，根据您的使用案例，可能会在时间上有所不同。.map().apply()

Answer 2

更新以考虑字符串包含而不是完全匹配...

您可以从第一个数据帧中的列中获取唯一值，将其转换为 list，然后在第二个数据帧上使用 eval 方法，并在该列表中使用 Column.str.contains。

unique = df1['TEXT'].unique().tolist()

df2.eval("Match=Text.str.contains('|'.join(@unique))")