熊猫比较 2 列，只保留匹配的单词字符串

Question

我正在尝试将 1 个数据帧列中的单词或刺与同一 df 中的另一列进行比较，并输出仅包含匹配单词的第三列。inputCol1the cat crossed a roadthe dog barkedthe chicken barkedCol2the cat alligatorsome words herechicken soupdesired resultCol3the catNULLchicken这就是我所拥有的，但出现错误。df[Col3] = df[Col1].apply(lambda x: ' '.join([word for word in x.split() if word in x[Col2].split(' ')]))错误是类型错误：字符串索引必须是整数

Answer 1

使用apply, 和' '.join, 然后使用列表推导来获取匹配的值

此外，您必须使用axis=1它才能工作：

print(df.apply(lambda x: ' '.join([i for i in x['Col1'].split() if i in x['Col2'].split()]), axis=1))

输出：

0    the cat

1           

2    chicken

dtype: object

如果你想要NULL，而不仅仅是一个空值，请使用：

print(df.apply(lambda x: ' '.join([i for i in x['Col1'].split() if i in x['Col2'].split()]), axis=1).str.replace('', 'NULL'))

输出：

0    the cat

1    NULL

2    chicken

dtype: object

Answer 2

这里不需要使用 lambda 函数，只需检查每个单词是否包含在同一列的字符串中。zip() 函数对于列迭代非常有用。这是一种方法：

import pandas as pd

data_frame = pd.DataFrame(

    {'col1':{

        1:'the cat crossed a road',

        2:'the dog barked',

        3:'the chicken barked',},

    'col2':{

        1: 'the cat alligator',

        2: 'some words here',

        3: 'chicken soup'}}

)

# output the overlap as a list

output = [

    [word for word in line1.split() if word in line2.split()] 

    for line1, line2 in zip(data_frame['col1'].values, data_frame['col2'].values)

]

# To add your new values a column

data_frame['col3'] = output

# Or, if desired, keep as a list and remove empty rows 

output = [row for row in output if row]

Answer 3

检查

l=[' '.join([t for t in x if t in y]) for x, y in zip(df1.Col1.str.split(' '),df2.Col2.str.split(' '))]

pd.DataFrame({'Col3':l})

Out[695]: 

      Col3

0  the cat

1         

2  chicken