如何找到两个熊猫数据框之间的共享条目，并使用它们在两个数据框中创建相同的列？

Question

使用熊猫，我创建了两个类似于以下的数据框。

input_df1 = pd.DataFrame({'names':['phone,mobile,cell','boat,ship','car'], 'values':[1,3,3]})
input_df2 = pd.DataFrame({'names':['cell,phone','car,automobile', 'boat'], 'values':[3,7,1]})

我想将“名称”列更改为仅包含在两个数据框中都找到的名称。 目的是让这些名称的值在比较图中自动分组在一起。 最终数据帧应类似于以下所示。

重要的是，如果两个数据帧中都有多个名称可用，则名称不能仅减少为一个名称，如上面的零行所示。 最好删除它们之间没有通用名称的行（但我也可以事先手动执行此操作）。 优选地，这也应该在没有for循环的情况下完成，因为实际数据帧超过5万行。

我试图玩弄input_df.names.str.contains()和input_df.names.isin()但我无法弄清楚如何找到一个名字input_df1 ，在相匹配的名字input_df2 ，比较它们最短名称，然后将较短的名称替换为较短的名称（我认为应该这样做）。

Answer 1

这是执行此操作的一种策略。

# your data
# =======================================
input_df1 = pd.DataFrame({'names':['phone,mobile,cell','boat,ship','car'], 'values':[1,3,3]})
input_df1

               names  values
0  phone,mobile,cell       1
1          boat,ship       3
2                car       3

input_df2 = pd.DataFrame({'names':['cell,phone','car,automobile', 'boat'], 'values':[3,7,1]})
input_df2

            names  values
0      cell,phone       3
1  car,automobile       7
2            boat       1

我们首先将平面名称记录转换为堆叠的名称记录。

# groupby-tostack function
# ===============================
def func(group):
     return pd.Series(group['names'].values[0].split(','))

stacked_names1 = input_df1.groupby(level=0).apply(func)
stacked_names1

0  0     phone
   1    mobile
   2      cell
1  0      boat
   1      ship
2  0       car
dtype: object

stacked_names2 = input_df2.groupby(level=0).apply(func)
stacked_names2

0  0          cell
   1         phone
1  0           car
   1    automobile
2  0          boat
dtype: object

接下来，使用np.intersec1d获得通用名称。

common_names = np.intersect1d(stacked_names1, stacked_names2)
common_names

array(['boat', 'car', 'cell', 'phone'], dtype=object)

使用.isin保留有效名称。

stacked_names1.isin(common_names)

0  0     True
   1    False
   2     True
1  0     True
   1    False
2  0     True
dtype: bool

最后，再次通过外部索引上的groupby将堆叠的记录转换回平面记录。

def func2(group):
    return pd.Series(','.join(group.values.tolist()))

input_df1['names'] = stacked_names1[stacked_names1.isin(common_names)].groupby(level=0).apply(func2).values
input_df1

        names  values
0  phone,cell       1
1        boat       3
2         car       3

input_df2['names'] = stacked_names2[stacked_names2.isin(common_names)].groupby(level=0).apply(func2).values
input_df2

        names  values
0  cell,phone       3
1         car       7
2        boat       1