在Python中匹配2个数据帧列的字符串

Question

我有两个数据框：

DF1：

原始df有1000+名称

   Id    Name
    1     Paper
    2     Paper Bag
    3     Scissors
    4     Mat
    5     Cat
    6     Good Cat

第二个Df：

原始df有1000+ Item_Name

Item_ID   Item_Name
1         Paper Bag
2         wallpaper
3         paper
4         cat cage
5         good cat

预期产出：

Id Name         Item_ID
1  Paper         1,2,3
2  Paper Bag     1,2,3
3  Scissors      NA 
4  Mat           NA 
5  Cat           4,5
6  Good Cat           4,5

我的代码：

def matcher(x):
    res = df2.loc[df2['Item_Name'].str.contains(x, regex=False, case=False), 'Item_ID']
    return ','.join(res.astype(str))

df1['Item_ID'] = df1['Name'].apply(matcher)

当前的挑战

当name具有Paper并且Item_Name具有Paper Bag时str.contains工作但是它不能以其他方式工作。 所以，我的例子是为1,3,4,5行工作df1而不是2行和6。因此，它不会 与DF2的3行映射DF1第2行

问

所以，如果你可以帮我修改代码，那么它也可以帮助匹配其他方法

Answer 1

您可以修改自定义matcher功能并使用apply() ：

def matcher(query):

    matches = [i['Item_ID'] for i in df2[['Item_ID','Name']].to_dict('records') if any(q in i['Name'].lower() for q in query.lower().split())]
    if matches:
        return ','.join(map(str, matches))
    else:
        return 'NA'

df1['Item_ID'] = df1['Name'].apply(matcher)

返回：

   Id       Name Item_ID
0   1      Paper   1,2,3
1   2  Paper Bag   1,2,3
2   3   Scissors      NA
3   4        Mat      NA
4   5        Cat     4,5
5   6   Good Cat     4,5

说明：

我们使用apply()将自定义matcher()函数应用于df1['Name']列的每个行值。 在我们的matcher()函数中，我们将df2转换为字典，其中Item_ID为键， Name为值。 然后我们可以检查我们当前的行值query是否存在于来自df1 any()的Name值中（通过lower()转换为小写），如果是，那么我们可以将Item_ID添加到要返回的列表中。