如何將一個數據框（多於一列）的值與另一個數據框（多於一列）的值匹配？

Question

df1：

    Symbol           Aliases
0   MLH1             COCA2, FCC2, HNPCC, HNPCC2, hMLH1
1   MSH2             COCA1, FCC1, HNPCC, HNPCC1, LCFS2
2   CCAT2            LINC00873, NCCP1
3   MACC1            7A5, SH3BP4L

在這里，別名可以有 NaN 值。

df2:

   Symbol_1        Symbol_2
0  NaN             DHX9
1  COCA1           MSH2
2  H2AC18          NaN
3  NCCP1           NaN

我希望將結果作為一個列表，其中包含 df1 和 df2 中相同的所有符號。

same_list = [MSH2, CCAT2]

如果 df2['Symbol_1', 'Symbol_2'] 匹配 df1['Symbol'] 它將打印 Symbol 但如果它匹配 df1['Aliases'] 它將從 df1 打印相應的 Symbol。

我們可以看到 NCCP1 與 df1['Aliases'] 匹配，但它會打印相應的符號，即 CCAT2

Answer 1

您可以使用flatten()和set()來獲取您的值。

如果df1是：

  Symbol                        Aliases
0   MLH1  COCA2,FCC2,HNPCC,HNPCC2,hMLH1
1   MSH2  COCA1,FCC1,HNPCC,HNPCC1,LCFS2
2  CCAT2                LINC00873,NCCP1
3  MACC1                    7A5,SH3BP4L

和df2是：

Symbol_1 Symbol_2
0      NaN     DHX9
1    COCA1     MSH2
2   H2AC18      NaN
3    NCCP1      NaN

然后這個腳本：

df1.Aliases = df1.Aliases.str.split(',')
s1 = set(df1.explode('Aliases').values.flatten())
s2 = set(df2.values.flatten())
print(s1 & s2)

印刷：

{'NCCP1', 'COCA1', 'MSH2'}