主页 / coding / 问题 / 77478907
Accepted
BERA
Asked: 2023-11-14 15:43:09 +0800 CST

在其他列中的任意位置查找子字符串

  • 772

我的列中有字符串a。我想搜索列中的所有行b以查看是否a在某个位置找到了每个值b

import pandas as pd

data = {"a":["hi","hello","yes","xyz"],
        "b":["asdfHI", "qwertHello","nononoXYZ", "OKOK"]}
df = pd.DataFrame(data)

#        a           b
# 0     hi      asdfHI
# 1  hello  qwertHello
# 2    yes   nononoXYZ
# 3    xyz        OKOK

#hi, hello and xyz is somewhere in b. Yes isnt. I want to create the found column:

#        a           b      found
# 0     hi      asdfHI      True
# 1  hello  qwertHello      True
# 2    yes   nononoXYZ      False
# 3    xyz        OKOK      True

#This only search rowwise so xyz isnt found:
df.apply(lambda x: x.a.lower() in x.b.lower(), axis=1)
# 0     True
# 1     True
# 2    False
# 3    False

#[aval.lower() in df.b.str.lower() for aval in df.a]
#[False, False, False, False]

#df.b.str.lower().str.contains(df.a.str.lower())
#TypeError: unhashable type: 'Series'

#df.b.str.contains(df.a.str, case=False)
#TypeError: first argument must be string or compiled pattern
pandas

2 个回答

  1. Best Answer

    您可以使用列表理解any：

    B = df['b'].str.lower()
df['found'] = [any(a in b for b in B) for a in df['a'].str.lower()]

    或者，b与您知道将不存在的分隔符连接并使用简单的分隔符in（这可能效率较低）：

    B = '||'.join(df['b'].str.lower())
df['found'] = [a in B for a in df['a'].str.lower()]

    输出：

           a           b  found
0     hi      asdfHI   True
1  hello  qwertHello   True
2    yes   nononoXYZ  False
3    xyz        OKOK   True
    • 2

  2. 另一种可能的选择是使用 广播char.find：

    words = df.to_numpy(dtype="str")

check = ~np.all(np.char.find(
    np.char.lower(words[:, 1, None]),
    np.char.lower(words[:, 0])) == -1, axis=0)

df["a in whole-b"] = check

    或者也许这个变体具有str.cat/ lower&成员资格操作（使用 in）：

    df["a in whole-b"] = [a.lower() in df["b"].str.cat().lower() for a in df["a"]]

    输出 ：

    print(df)

       a           b  a in whole-b
0     hi      asdfHI          True
1  hello  qwertHello          True
2    yes   nononoXYZ         False
3    xyz        OKOK          True

    性能图（约 10k 行）：

    NumPy 的方法对于非常小的数据非常有效，而 @mozway 的方法对于较大的数据来说是最有效的。

    在此输入图像描述

    • 1

相关问题