python - 两个不同数据帧(dfs)中单词之间的字符串文字匹配并生成一个新的数据帧

Question

我有两个数据框 df1 和 df2

df1 =

<头>

大学	学校	学生名字	姓氏	昵称
AAA	法律	约翰	麦肯齐	史蒂夫
BBB	商业	史蒂夫	萨凡纳	JO
CCC	工程	标记	正义	免费
DDD	艺术	斯图尔特	小	啊
EEE	生命科学	亚当	约翰逊	嗯

120 行 X 5 列

df2 =

<头>

声明
斯图尔特昨晚头疼，是因为……
Rah 基本上找到了一个新认识的 friend ，这导致了……
杰罗姆买了一 block 全新的 watch ，它是…………。
发现亚当一生都在发冷……
萨凡纳是一个如此常见的名字……..

3000 行 X1 列

AIM是形成df3

匹配字符串文字并遍历 "Student first name"、 "Student last name"、 "Student nick name"列中的每个单元格以生成下表

Df3 =

<头>

声明	匹配	大学	学校
斯图尔特昨晚头疼，是因为……	斯图尔特	DDD	艺术
Rah 基本上找到了一个新找到的 friend ，导致	啊	DDD	艺术
杰罗姆买了一 block 全新的 watch ，它是…………。	不适用	不适用	不适用
发现亚当一生都在发冷……	亚当	EEE	生命科学
萨凡纳是一个如此常见的名字……..	萨凡纳	BBB	商业

3000 行 X 4 列

Answer 1

您可以melt和 merge :

import re

df1_melt = df1.melt(['University', 'School'], value_name='Match')

regex = '|'.join(map(re.escape, df1_melt['Match']))

out = df2.join(
 df1_melt[['Match', 'University', 'School']]
    .merge(df2['Statement']
              .str.extract(f'({regex})', expand=False)
              .rename('Match'),
           how='right', on='Match'
          )
)

输出:

                                                  Statement     Match University        School
0      Stuart had a headache last nigh which was due to the    Stuart        DDD          Arts
1  Rah basically found a new found friend which lead to the       Rah        DDD          Arts
2                    Gerome got a brand new watch which was       NaN        NaN           NaN
3          Adam was found chilling all through out his life      Adam        EEE  Life science
4                       Savannah is such a common name that  Savannah        BBB      Business