从部分字符串匹配的其他数据帧返回值

Question

我正在尝试创建一个新的数据框列，该列与另一个数据框的部分字符串匹配。 我将如何做以下示例？

df1:
#   id
1   666666
2   666667
3   666668
4   666667

df2
#   ref
1   ref_666666_blah blah
2   ref_666667_blah blah
3   ref_666668_blah blah
4   ref_666667_blah blah

df3 #what I want
#   id      match
1   666666  ref_666666_blah blah
2   666667  ref_666667_blah blah
3   666668  ref_666668_blah blah
4   666667  ref_666667_blah blah

我知道这不是代码，但我正在尝试执行以下操作：

df1['match'] = df2['ref'].map(lambda x: x if x.str.contains(df1['match'])

谢谢！

Answer 1

有多种方法可以实现此目的。

如果您能够从ref列中提取id ，就像在此特定示例中那样df2[id] = df2.ref.apply(lambda c: c.split('_')[1]) ，则可以继续df1.join(df2, on = 'id') 。

如果您需要调用一些更复杂的匹配函数，则可以执行以下操作：

def getMatch(str_id):
    matches = (c for c in df2['ref'] if str_id in c)
    try:
        return matches.next()
    except:
        return None

df1['match'] = df1['id'].apply(getMatch)

这将导致许多冗余的比较，因此您应该考虑数据中是否存在可以简化匹配的关系。 例如，如果每个ref最多匹配一个id，或者您可以以某种有意义的方式对两个DataFrame进行排序并递归合并它们。