python - 检查 Pandas 列是否包含另一列的值

Question

如果 df['col']='a','b','c' 和 df2['col']='a123','b456','d789 ' 如何创建 df2['is_contained']='a','b','no_match' 如果值来自 df['col'] 在 df2['col'] 的值中找到 df['col'] 返回值，如果未找到匹配项，则返回 'no_match'？此外，我不希望有多个匹配项，但在不太可能出现的情况下，我想返回一个像“多个匹配项”这样的字符串。

Answer 1

有了这个玩具数据集，我们想向 df2 添加一个新列，其中前三行包含 no_match，最后一行包含值'd' 因为该行的 col 值(字母 'a')出现在 df1 中。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt


df1 = pd.DataFrame({'col': ['a', 'b', 'c', 'd']})
df2 = pd.DataFrame({'col': ['a123','b456','d789', 'a']})

换句话说，仅当行的 df2['col'] 值出现在 df1['col'] 的某处。

In [2]: df1
Out[2]:
  col
0   a
1   b
2   c
3   d

In [3]: df2
Out[3]:
    col
0  a123
1  b456
2  d789
3     a

如果这是理解您的问题的正确方法，那么您可以使用 pandas isin 执行此操作:

In [4]: df2.col.isin(df1.col)
Out[4]:
0    False
1    False
2    False
3     True
Name: col, dtype: bool

仅当 df2.col 中的值也在 df1.col 中时，此计算结果为 True。

如果您完全熟悉 R，那么您可以使用 np.where，它或多或少与 R 中的 ifelse 相同。

In [5]:     np.where(df2.col.isin(df1.col), df1.col, 'NO_MATCH')
Out[5]:
0    NO_MATCH
1    NO_MATCH
2    NO_MATCH
3           d
Name: col, dtype: object

对于 df2.col 值出现在 df1.col 中的行，df1.col 中的值将为给定返回行索引。在 df2.col 值不是 df1.col 成员的情况下，将使用默认的 'NO_MATCH' 值。