python - 在Python中匹配2个数据框列的字符串

Question

我有两个数据框:

Df1:

原始 df 有 1000+ 名称

   Id    Name
    1     Paper
    2     Paper Bag
    3     Scissors
    4     Mat
    5     Cat
    6     Good Cat

第二个 Df:

原始 df 有 1000 多个 Item_Name

Item_ID   Item_Name
1         Paper Bag
2         wallpaper
3         paper
4         cat cage
5         good cat

预期输出:

Id Name         Item_ID
1  Paper         1,2,3
2  Paper Bag     1,2,3
3  Scissors      NA 
4  Mat           NA 
5  Cat           4,5
6  Good Cat           4,5

我的代码:

def matcher(x):
    res = df2.loc[df2['Item_Name'].str.contains(x, regex=False, case=False), 'Item_ID']
    return ','.join(res.astype(str))

df1['Item_ID'] = df1['Name'].apply(matcher)

当前挑战

str.contains 在 name 包含 Paper 并且 Item_Name 包含 Paper Bag 时起作用，但反之则不起作用。因此，在我的示例中，它适用于 df1 的第 1、3、4、5 行，但不适用于第 2 行和第 6 行。因此，它将不会映射行df1 的第 2 行与 df2 的第 3 行

询问

所以，如果你可以帮助我修改代码，以便它也可以帮助匹配其他回合

Answer 1

您可以修改自定义matcher函数并使用apply():

def matcher(query):

    matches = [i['Item_ID'] for i in df2[['Item_ID','Name']].to_dict('records') if any(q in i['Name'].lower() for q in query.lower().split())]
    if matches:
        return ','.join(map(str, matches))
    else:
        return 'NA'

df1['Item_ID'] = df1['Name'].apply(matcher)

返回:

   Id       Name Item_ID
0   1      Paper   1,2,3
1   2  Paper Bag   1,2,3
2   3   Scissors      NA
3   4        Mat      NA
4   5        Cat     4,5
5   6   Good Cat     4,5

说明:

我们使用 apply() 将自定义 matcher() 函数应用到 df1['Name'] 的每一行值柱子。在 matcher() 函数中，我们将 df2 转换为字典，其中 Item_ID 作为键，Name > 作为值。然后，我们可以检查当前行值 query 是否存在于 df1 的 Name 值的 any() 中(通过 lower() 转换为小写)，如果是这样，那么我们可以将 Item_ID 添加到要返回的列表中。