gpt4 book ai didi

python - Pandas - 检查一个数据框中的字符串列是否包含来自另一个数据框的一对字符串

转载 作者:太空宇宙 更新时间:2023-11-04 07:59:10 25 4
gpt4 key购买 nike

这个问题是基于我问的另一个问题,我没有完全涵盖这个问题:Pandas - check if a string column contains a pair of strings

这是问题的修改版本。

我有两个数据框:

df1 = pd.DataFrame({'consumption':['squirrel ate apple', 'monkey likes apple', 
'monkey banana gets', 'badger gets banana', 'giraffe eats grass', 'badger apple loves', 'elephant is huge', 'elephant eats banana tree', 'squirrel digs in grass']})

df2 = pd.DataFrame({'food':['apple', 'apple', 'banana', 'banana'],
'creature':['squirrel', 'badger', 'monkey', 'elephant']})

目标是测试 df.food:df.creature 对是否存在于 df1.consumptions 中。

在上面的例子中这个测试的预期答案是:

['True', 'False', 'True', 'False', 'False', 'True', 'False', 'True', 'False']

模式是:

squirrel ate apple = True 因为松鼠和苹果是一对。monkey likes apple = False 因为 monkey 和 apple 不是我们要找的一对。

我正在考虑构建一个包含对值数据帧的字典,其中每个数据帧都对应一个生物,例如松鼠、猴子等,然后使用 np.where 创建一个 bool 表达式并执行 str.contains。

不确定这是否是最简单的方法。

最佳答案

考虑这种矢量化方法:

from sklearn.feature_extraction.text import CountVectorizer

vect = CountVectorizer()

X = vect.fit_transform(df1.consumption)
Y = vect.transform(df2.creature + ' ' + df2.food)

res = np.ravel(np.any((X.dot(Y.T) > 1).todense(), axis=1))

结果:

In [67]: res
Out[67]: array([ True, False, True, False, False, True, False, True, False], dtype=bool)

解释:

In [68]: pd.DataFrame(X.toarray(), columns=vect.get_feature_names())
Out[68]:
apple ate badger banana digs eats elephant gets giraffe grass huge in is likes loves monkey squirrel tree
0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0
2 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 1 0 0
3 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0
4 0 0 0 0 0 1 0 0 1 1 0 0 0 0 0 0 0 0
5 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
6 0 0 0 0 0 0 1 0 0 0 1 0 1 0 0 0 0 0
7 0 0 0 1 0 1 1 0 0 0 0 0 0 0 0 0 0 1
8 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 0 1 0

In [69]: pd.DataFrame(Y.toarray(), columns=vect.get_feature_names())
Out[69]:
apple ate badger banana digs eats elephant gets giraffe grass huge in is likes loves monkey squirrel tree
0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0
3 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0

更新:

In [92]: df1['match'] = np.ravel(np.any((X.dot(Y.T) > 1).todense(), axis=1))

In [93]: df1
Out[93]:
consumption match
0 squirrel ate apple True
1 monkey likes apple False
2 monkey banana gets True
3 badger gets banana False
4 giraffe eats grass False
5 badger apple loves True
6 elephant is huge False
7 elephant eats banana tree True
8 squirrel digs in grass False
9 squirrel.eats/apple True # <----- NOTE

关于python - Pandas - 检查一个数据框中的字符串列是否包含来自另一个数据框的一对字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43443280/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com