如何检查一个 Pandas 列的字符串值是否包含在另一个 Pandas 列的字符串值中？

Question

我有一个大的 dataframe 格式如下：

| ID       | A                 | B                       |
| -------- | ----------------- | ----------------------- |
| 0        | Tenure: Leasehold | Modern;Tenure: Leasehold|
| 1        | First Floor       | Refurbished             |
| 2        | NaN               | Modern                  |
| 3        | First Floor       | NaN                     |

我想在合并之前删除 A 列和 B 列之间的冗余。 所以我想检查A列中的值是否包含在B列中：如果是，A列应该取B列的值，如果不是，A列的值应该保持不变。

我尝试了以下 lambda function：

df['A'] = df['A'].apply(lambda x: df.B if df.A in df.B else df.A)

但我收到此错误： TypeError: 'Series' objects are mutable, thus they cannot be hashed

然后我尝试了这样的 np.where 方法：

df['A'] = np.where((df.A.values in df.B.values), df.B, df.A)

我可以运行代码，但它对所有列都返回 false，所以我的 DataFrame 没有得到任何修改。

如果我运行以下代码，它会返回 True 但是，所以我知道问题不是来自数据：

df.loc[0, 'A'] in df.loc[0, 'B']

我尝试修改此代码并像这样使用它：

df['A'] = np.where((df.loc[:, 'A'] in df.loc[:, 'B']), df.B, df.A)

但后来我得到与上面相同的 TypeError 。

我该如何解决这个问题？

Answer 1

df["A"] = df.apply(lambda x: x["B"] if x["A"] in x["B"] else x["A"], axis=1)
print(df)

印刷：

   ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished

---

编辑：处理NaN s：

df["A"] = df.apply(
    lambda x: x["B"]
    if pd.notna(x["A"]) and pd.notna(x["B"]) and x["A"] in x["B"]
    else x["A"],
    axis=1,
)
print(df)

印刷：

   ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished
2   2                       NaN                    Modern
3   3               First Floor                       NaN

---

如果要在"A"列中填充NaN ：

df.loc[df["A"].isna(), "A"] = df.loc[df["A"].isna(), "B"]
print(df)

印刷：

   ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished
2   2                    Modern                    Modern
3   3               First Floor                       NaN

Answer 2

我会用 zip 做一个列表理解，与 pandas 相比，它会非常快，因为 dataframe 的大小增加：

df["A"] = [b if a in b else a for a,b in zip(df['A'],df['B'])]

---

print(df)

   ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished