将 pandas dataframe 的两列与字符串列表进行比较

Question

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。

Answer 1

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

Answer 2

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

Answer 3

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