python - 通过部分字符串匹配合并两个数据帧

Question

我正在尝试根据部分字符串匹配合并两个大小不同的相当大的数据帧。

df1$code 包含所有 12 位代码，而 df2$code 包含 10-12 位代码的混合，其中一些较短的代码是 df1$code 中 12 位代码的子字符串匹配。

因此，我需要合并两个数据帧之间的所有 12 位数字匹配项，以及 df2 中那些具有 10-11 位数字代码的记录，这些代码是 df1 的子字符串匹配项。

示例数据框:

df1 <- data.frame(code_1 = c('123456789012', '210987654321', '567890543211', '987656789001', '123456654321', '678905432156', '768927461037', '780125634701', '673940175372', '167438501473'),
              name = c('bob','joe','sally','john','lucy','alan', 'fred','stephanie','greg','tom'))

df2 <- data.frame(code_2 = c('123456789012','2109876543','7890543211','98765678900','12345665432','678905432156'),
              color = c('blue', 'red', 'green', 'purple', 'orange', 'brown'))

df3 (merged)

code_1         code_2         name  color
123456789012   123456789012   bob   blue
210987654321   2109876543     joe   red
567890543211   7890543211     sally green
987656789001   98765678900    john  purple
123456654321   12345665432    lucy  orange
678905432156   678905432156   alan  brown

Answer 1

试试这个 SQL 连接。

library(sqldf)

sqldf("select a.code_1, b.code_2, a.name, b.color 
       from df2 b left join df1 a on a.code_1 like '%' || b.code_2 || '%'")

给予:

        code_1       code_2  name  color
1 123456789012 123456789012   bob   blue
2 210987654321   2109876543   joe    red
3 567890543211   7890543211 sally  green
4 987656789001  98765678900  john purple
5 123456654321  12345665432  lucy orange
6 678905432156 678905432156  alan  brown

更新:更新了答案以反射(reflect)问题的变化，以便 (1) 子字符串可以位于目标字符串中的任何位置，并且 (2) 代码列的名称已更改为 code_1 和 code_2。