python - 基于部分startswith匹配合并两个数据帧

Question

我有两个数据框，我想根据 start 的部分匹配来合并(在下面的示例中，df2.B 中以 df1.A 开头的行，这些列的值是字符串，可以是任何长度)。

我可以通过以下方式做到这一点，但在我的实际数据帧上非常慢，每个数据帧都有数百万行。

df1 = pd.DataFrame({'A': ['a', 'b', 'cc']})

df2 = pd.DataFrame({'B': ['ar', 'd', 'ar'],
                    'C': ['x1', 'x1', 'x2']})

df_m = pd.DataFrame(columns=['A','B','C'])
for index, row in df1.iterrows():
    df_ = df2[df2['B'].str.startswith(row['A'])]
    if not df_.empty:
        df_['A'] = row['A']
        df_m = df_m.append(df_)

df_m:

    A   B   C
0   a   ar  x1
2   a   ar  x2

Answer 1

使用，Series.str.extract从 df2 中从 df1 中的 A 列开始的 B 列中提取 key，然后使用 DataFrame.merge合并 column A 上的 datframe df1 和 key 列上的 df2:

key = df2['B'].str.extract('^(' + '|'.join(df1['A']) + ')')
df3 = df1.merge(df2.assign(key=key), left_on='A', right_on='key').drop('key', 1)

结果:

df3
   A   B   C
0  a  ar  x1
1  a  ar  x2