比较DF中两列的（子）字符串

Question

我有一个DF，如下所示：DF =id  token      argument1             argument2 1   Tza        Tuvia Tza             Moscow  2   perugia    umbria                perugia    3   associated the associated press  Nelson我现在要比较的列的值argumentX，并token与选择新列的值ARG相应。DF =id  token      argument1             argument2    ARG1   Tza        Tuvia Tza             Moscow       ARG12   perugia    umbria                perugia      ARG23   associated the associated press  Nelson       ARG1这是我尝试过的：conditions = [(DF["token"] == (DF["Argument1"])), DF["token"] == (DF["Argument2"])]choices = ["ARG1", "ARG2"]DF["ARG"] = np.select(conditions, choices, default=nan)这只会比较整个String，如果匹配则匹配。结构，如.isin，.contains或使用辅助列如DF["ARG_cat"] = DF.apply(lambda row: row['token'] in row['argument2'],axis=1)没有工作。有任何想法吗？

Answer 1

获取布尔值索引

argument_cols = ['argument1', 'argument2']

boolean_idx = DF[argument_cols].apply(

    lambda arg_column: DF['token'].combine(arg_column, lambda token, arg: token in arg)

)

boolean_idx

Out:

id  argument1   argument2

0   True    False

1   False   True

2   True    False

从行中选择值：

selected_vals = DF[argument_cols][boolean_idx]

selected_vals

Out: 

id            argument1  argument2

0             Tuvia Tza        NaN

1                   NaN    perugia

2  the associated press        NaN

堆叠selected_vals并获取包含参数名称的索引级别（如果一行中包含True值的列超过一列，则此代码将失败）：

argument_index_level = selected_vals.stack().index.get_level_values(-1)

# Index(['argument1', 'argument2', 'argument1'], dtype='object')

DF['ARG'] = argument_index_level

DF 

Out: 

id             argument1        argument2        token        ARG

0              Tuvia Tza           Moscow          Tza  argument1

1                 umbria          perugia      perugia  argument2

2   the associated press           Nelson   associated  argument1

您可以使用apply（）更改“ ARG”列中的值。