0

Pandas 数据框“df1”有一个包含字符串值的列（“Receiver”）。

df1
    Receiver
44  BANK
106 restaurant
149 Tax office
63  house
55  car insurance

我想遍历该列的每一行，检查它们是否与另一个数据框（“df2”）中的值（主要是一个或两个词的搜索词）匹配，并在正确的行上返回匹配列的标题。我正在尝试使用以下功能来做到这一点：

df1.Receiver.apply(lambda x:
                               ''.join([i for i in df2.columns 
                               if df2.loc[:,i].str.contains(x).any()]) 
                               )

问题： 但是，这只适用于 df1 的“Receiver”列中仅包含一个单词的值（因此“BANK”、“restaurant”和“house”在这种情况下有效）。

包含两个或多个单词的值不起作用（在这种情况下为“税务局”和“汽车保险”）。

str.contains() 不应该也找到部分匹配吗？我如何才能找到“接收者”列中包含两个或多个单词的值的部分匹配项？

编辑：这是df2的样子，它有不同的类别作为列标题，然后每列都有搜索词作为值

df2
    Banks    Restaurants   Car           House
0   BANK     restaurant    car           house
1   bank     mcdonalds     
2            Subway

这是单个图像中的整个问题，可以在右侧看到输出，并且找不到类别“汽车”和“税务局”，因为接收者“汽车保险”和“税务局”（df1 中的接收者列）仅与搜索词“car”和“Tax”（df2 的“Car”和“Tax office”列中的值）部分匹配。 在此处输入图像描述

4

1 回答 1

0

您可以迭代列df2并使用正则表达式，而不是迭代数据框行pd.Series.str.contains：

df1 = pd.DataFrame({'Receiver': ['BANK', 'restaurant house', 'Tax office', 'mcdonalds car']})

df1['Receiver_new'] = ''
for col in df2:
    values = '|'.join(df2[col].dropna())
    bool_series = df1['Receiver'].str.contains(values)
    df1.loc[bool_series, 'Receiver_new'] += f'{col}|'

print(df1)

#            Receiver        Receiver_new
# 0              BANK              Banks|
# 1  restaurant house  Restaurants|House|
# 2        Tax office                    
# 3     mcdonalds car    Restaurants|Car|
于 2019-01-10T22:57:02.047 回答