[英]pandas dataframe merge based on str.contains
我有两个要基于df2的列值包含来自df1的列值的数据框。 我一直在尝试使用str.contains和series.isin。 但到目前为止没有运气。 下面的例子。
df1
Domain Visits
aaa 1
bbb 3
ddd 5
df2
Domain Ads
aaa.com 2
bbb 4
c.com 3
e.net 6
合并的数据框应如下所示
mergeDF
Domain Visits Ads
aaa.com 1 2
bbb 3 4
c.com 3
ddd 5
e.net 6
提前谢谢。
设定
我们可以通过创建一个新的系列,其在各个领域的行开始df2
对应于df1
,如果这样的行存在:
r = '({})'.format('|'.join(df1.Domain))
merge_df = df2.Domain.str.extract(r, expand=False).fillna(df2.Domain)
现在,我们的merge_df
如下所示:
0 aaa
1 bbb
2 c.com
3 e.net
Name: Domain, dtype: object
现在我们合并。 我们希望在这里进行外部合并,合并我们在Domain
列上的第一个DataFrame和我们merge_df
系列上的第二个DataFrame:
df1.merge(df2.drop('Domain', 1), left_on='Domain', right_on=merge_df, how='outer')
Domain Visits Ads
0 aaa 1.0 2.0
1 bbb 3.0 4.0
2 ddd 5.0 NaN
3 c.com NaN 3.0
4 e.net NaN 6.0
由于我们存储了一个单独的系列进行合并,并且没有修改df2
,因此在完成此步骤之后,您就完成了合并的DataFrame。
尝试对df2进行预处理,以获取与df1相同格式的域:
df2['key'] = df2['Domain'].str.extract('(\w+)\.?')
df_out = df1.merge(df2, left_on='Domain', right_on='key', suffixes=('_x',''), how='outer')
df_out['Domain'] = df_out['Domain'].combine_first(df_out['Domain_x'])
df_out = df_out.drop(['Domain_x','key'], axis=1)
print(df_out)
输出:
Visits Domain Ads
0 1.0 aaa.com 2.0
1 3.0 bbb 4.0
2 5.0 ddd NaN
3 NaN c.com 3.0
4 NaN e.net 6.0
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.