如果一列中的字符串部分与另一列中的部分字符串匹配，则提取值

Question

我有 2 个数据框，每个表中有 2 列。 现在，我需要将df1的 col A 的值与df2的 col C 进行匹配，并仅获取匹配的值。

例如：

df1

   A               B     
ABC PVT Ltd      1FWE23   
Auxil Solutions  22354    
Cambridge        32684    
Stacking Ltd     45368    
Ciscovt Ltd      46485    
Samsung Ltd      45346    
Nokia Ltd        58446    

df2

   C                     D     
BTD                    AAVV   
Auxil Company          ASDC  
Cambridge Univers      DECVD    
The Stacking Pvt       DVVCA  
Ciscovt brand          VDKMN
The Samsung Mobile     VDAVV    
The Nokia Mobile       VFAD    

我试图将df2的列 C 转换为列表，并与df1的 A 列进行比较。 但我不确定如何提取值，即使它在列之间部分匹配。

我试过的代码：

dd= (df2['C'].str.upper()).unique().tolist()
df1['New'] = (df1['A'].str.upper()).apply(lambda x: ''.join([part for part in dd if part in x]))

预期的 Output 应该是：

   A               B       New
ABC PVT Ltd      1FWE23   
Auxil Solutions  22354    Auxil Company
Cambridge        32684    Cambridge Univers
Stacking Ltd     45368    The Stacking Pvt
Ciscovt Ltd      46485    Ciscovt brand
Samsung Ltd      45346    The Samsung Mobile
Nokia Ltd        58446    The Nokia Mobile

Answer 1

一种选择是将get_close_matches （ Python 的内置）中的get_close_matches与pandas.merge ：

from difflib import get_close_matches
​
def match(word, l):
    m = get_close_matches(word, l, n=1, cutoff=0.4)
    if m:
        return m[0]
    return None
​​
out = (
        df1
          .assign(New= [match(x, list(df2["C"])) for x in df1["A"]])
           .merge(df2, left_on="New", right_on="C", how="left")
           .drop(["C", "D"], axis=1)
       )

注意：如果需要，您可以将截止值从 0（完全不同的字符串）调整为 1（完全匹配）。

Output：

print(out)
                 A       B                 New
0      ABC PVT Ltd  1FWE23                None
1  Auxil Solutions   22354       Auxil Company
2        Cambridge   32684   Cambridge Univers
3     Stacking Ltd   45368    The Stacking Pvt
4      Ciscovt Ltd   46485       Ciscovt brand
5      Samsung Ltd   45346  The Samsung Mobile
6        Nokia Ltd   58446    The Nokia Mobile