基于str.contains的pandas数据框合并

Question

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。

Answer 1

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。

Answer 2

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