python - 如果第二列与给定的 Pandas 列表匹配，则替换数据框列中的值

Question

我有以下数据框

      col1          col2
0     str9          val1
1     str8          val2
2     str4          val3
3     str2          val4
4  unknown1    asdvstr1df
5  random1  teststr2test

以及以下列表

strings = ['str1', 'str2', 'str3', 'str4']

如果在第二列的字符串中的任何点与给定的列表字符串匹配，我想替换第一列中的值。

注意:col2 可以在字符串中包含列表“字符串”的值，也可以在任何一端。

目前我正在使用丑陋且缓慢的嵌套循环来执行此操作:

import pandas as pd

data_file = pd.DataFrame(data = ([['str9', 'val1'], ['str8',  'val2'], ['str4','val3'] , ['str2', 'val4'] , ['unknown', 'asdvstr1df'] , ['unknown', 'teststr2test']] ), columns = (['col1', 'col2']), dtype = str)
strings = ['str1', 'str2', 'str3', 'str4']

for value in range(data_file.shape[0]):
    for text in strings:
        if (str(data_file.col2[value]).find(text) != -1):
            data_file.loc[value, 'col1'] = text

我不确定如何改进这个缓慢的过程。我怎样才能使它运行得比当前的 O(nm) 时间更快(n 是 data_file 的大小，m 是称为字符串的列表的大小)？

输出应该是:

   col1          col2
0  str9          val1
1  str8          val2
2  str4          val3
3  str2          val4
4  str1    asdvstr1df
5  str2  teststr2test

Answer 1

IIUC，

x = '(' + '|'.join(strings)+ ')'
df.assign(col1 = df.col2.str.extract(x, expand=False).combine_first(df.col1))

输出:

   col1          col2
0  str9          val1
1  str8          val2
2  str4          val3
3  str2          val4
4  str1    asdvstr1df
5  str2  teststr2test