使用 python/pandas 从另一个 excel 列中的一个 excel 列中查找部分字符串匹配

Question

我有两个 excel 电子表格加载到 2 个不同的数据帧中。 电子表格 1 中的一列（系统）有一个系统代码，我需要与电子表格 2 中的另一列（描述）相匹配。第二列有一个描述，其中可能有也可能没有系统以及其他字符串。 如果找到匹配项，我想在 append 电子表格 2 中添加一个包含系统代码的新列。

df1 = pd.DataFrame(
    {
        "System": ["HFW", "SYS", "ABC"],
        "Description": ["HFW Description", "Sys Description", "ABC Description"],
    }
)

df2 = pd.DataFrame(
    {
        "Description": [
            "Amount spent for HFW",
            "Spending amt on XYZ",
            "INV20563BG",
            "ABC Cost",
            "ABC Cost 2",
        ],
        "Amount": ["150", "175", "160", "180", "100"],
    }
)

所以基本上需要将 DF1 中的“系统”列匹配到 DF2 中的“描述”。 DF1 和 DF2 可以有更多的列和不同的行数。

尝试了这些选项：

df1["MatchingSystem"] = df1.System.apply(
    lambda x: 1 if df2["Description"].str.contains(x) else 0
)

还尝试了其他一些东西。 任何帮助表示赞赏

Answer 1

您可以比较 2 个字符串列表并编写第一个匹配项：

sys_values = df1.System.values

df2["MatchingSystem"] = df2.Description.apply(
    lambda x: next((sys for sys in sys_values if sys in x.split()), None)
)

生成的 dataframe df2是：

            Description Amount MatchingSystem
0  Amount spent for HFW    150            HFW
1   Spending amt on XYZ    175           None
2            INV20563BG    160           None
3              ABC Cost    180            ABC
4            ABC Cost 2    100            ABC

我在 df2 dataframe 中创建了新列，因为看起来一个df1.System可以在多个df2.Description中。

它有点脏，但我认为它确实有效。 如果您有任何问题或疑问，请告诉我。