[英]compare two columns of pandas dataframe with a list of strings
这是我的 dataframe:
import pandas as pd
df = pd.DataFrame({'a': ['axy a', 'xyz b'], 'b': ['obj e', 'oaw r']})
我有一个字符串列表:
s1 = 'lorem obj e'
s2 = 'lorem obj e lorem axy a'
s3 = 'lorem xyz b lorem oaw r'
s4 = 'lorem lorem oaw r'
s5 = 'lorem lorem axy a lorem obj e'
s_all = [s1, s2, s3, s4, s5]
现在我想获取每一行并检查该行的两列是否存在于s_all
的任何字符串中。 例如对于第一行 I select axy_a
和obj_e
并检查它们是否都存在于s_all
的字符串中。 它们都存在于s2
和s5
中。
我想要的结果是这样的:
a b c
0 axy a obj e lorem obj e lorem axy a
1 axy a obj e lorem lorem axy a lorem obj e
2 xyz b oaw r lorem xyz b lorem oaw r
这是我的尝试,但没有奏效:
l = []
for sentence in s_all:
for i in range(len(df)):
if df.a.values[i] in sentence and df.b.values[i] in sentence:
l.append(sentence)
else:
l.append(np.nan)
我尝试将 append 结果放入一个列表中,然后使用该列表创建我想要的c
列,但它没有用。
您可以使用apply
和explode
创建一个新系列concat
并与您的 DataFrame 连接
match_series = df.apply(lambda row: [s for s in s_all if row['a'] in s and row['b'] in s], axis=1).explode()
pd.concat([df, match_series], axis=1)
Output
a b 0
0 axy a obj e lorem obj e lorem axy a
0 axy a obj e lorem lorem axy a lorem obj e
1 xyz b oaw r lorem xyz b lorem oaw r
您可以编写一个小助手 function 并将此 function 逐行应用于您的df:
def func(row):
out = []
a, b = row
for s in s_all:
if all([a in s, b in s]):
out.append(s)
return out
# if you have more than 2 columns or don't know how many, here more general approach
# other than that, same function as above
def func(row):
out = []
for s in s_all:
if all([string in s for string in row.tolist()]):
out.append(s)
return out
df['c'] = df.apply(func, axis=1)
或者作为 lambda function 的单线:
df['c'] = df.apply(lambda row: [s for s in s_all if all(string in s for elem in row.tolist() for string in elem)], axis=1)
function 返回一个包含结果的列表。 为了使每个列表元素成为自己的行,我们使用explode
df = df.explode(column='c')
print(df)
Output:
a b c
0 axy a obj e lorem obj e lorem axy a
0 axy a obj e lorem lorem axy a lorem obj e
1 xyz b oaw r lorem xyz b lorem oaw r
由于参考字符串中a
和b
模式多次出现,您还需要重复它们的列表。 这是通过附加l_a
和l_b
的。 反过来,构建了一个新的 dataframe df_new
。 修改你的 for 循环就可以了。
l = []
l_a = []
l_b = []
for i in range(len(df)):
for sentence in s_all:
if df.a.values[i] in sentence and df.b.values[i] in sentence:
l.append(sentence)
l_a.append(df.a.values[i])
l_b.append(df.b.values[i])
df_new = pd.DataFrame({'a' : l_a, 'b' : l_b, 'c' : l})
这产生
一个 | b | c | |
---|---|---|---|
0 | 轴一 | 对象 | lorem obj e lorem axy a |
1 | 轴一 | 对象 | lorem lorem axy a lorem obj e |
2 | xyz b | 哇 r | lorem xyz b lorem oaw r |
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.