У меня есть следующие панды
df:
colA
abc dbe fec
ghi jkl ref
sgsh hjo
df2:
colB colC
hjo 12
hhh chk 14
eee abc 17
Я хочу сравнить слова из строки из каждого столбца в df с каждым словом из строк в colB df2. Если совпадение найдено, я хочу добавить соответствующий colC в df1. Если какое-либо слово соответствует colB, оно должно остановиться и перейти к следующему столбцу.
Результат:
newdf:
colA colC
abc dbe fec 17
ghi jkl ref none
sgsh hjo 12
Как это сделать быстрее всего (огромный набор данных)
Как указано в решении,
pat:
'(Absolute Plumbing|D\xc3\xa9jeuner Eggcetera|Ivy Garcia, LMT|Native Bloom Landscape and Design|Seay\'s|Thulasi Kitchen|Liyuen|Viva Photo Booth|Cleopatra Internet Cafe|R&B\'s Pizza Place|Hilton Toronto/Markham Suites Conference Centre & Spa|Hegel Yoga|Boonda\'s|San Tan Aikido Kokikai|Mega Motors|Blue Sky Nails & Spa|Restaurant Cinq Epices|North East Auto Credit|Blind Tiger|T & S Towing'






Использовать это:
Сделать словарь справочной базы данных:
d = dict(zip(df2.colB,df2.colC))
#{'hjo': 12, 'hhh chk': 14, 'abc': 17}
создать шаблон:
pat = r'({})'.format('|'.join(d.keys()))
#'(hjo|hhh chk|abc)'
Используйте s.str.extract и s.map()
df['colC']=df.colA.str.extract(pat, expand=False).dropna().map(d)
print(df)
colA colC
0 abc dbe fec 17.0
1 ghi jkl ref NaN
2 sgsh hjo 12.0
РЕДАКТИРОВАТЬ для escape-символа и пробела в каждой строке *(Не уверен, что это лучший способ, но работает)*
Учитывая, что df2:
colB colC
0 hjo 12
1 hhh ref 14
2 abc 17
и df1 такой же, как ваш пример:
colA
0 abc dbe fec
1 ghi jkl ref
2 sgsh hjo
import re
df_split=pd.DataFrame(df2.colB.str.split(' ').tolist(),index=df2.colC).stack().reset_index(0).rename(columns = {0:'colB'}).reindex(df2.columns,axis=1)
print(df_split)
colB colC
0 hjo 12
0 hhh 14
1 ref 14
0 abc 17
вы заметите, что столбцы с пробелами преобразуются в строки с одинаковыми значениями
d = dict(zip(df_split.colB,df_split.colC))
#{'hjo': 12, 'hhh': 14, 'ref': 14, 'abc': 17}
keys=[re.sub('[^A-Za-z0-9]+', '', i) for i in d.keys()]
pat = r'({})'.format('|'.join(keys))
df['colC']=df.colA.str.extract((pat),expand=False).map(d)
print(df)
colA colC
0 abc dbe fec 17
1 ghi jkl ref 14
2 sgsh hjo 12
@JerryGeorge Проверьте раздел EDIT
@JerryGeorge Попробуйте раздел EDIT для шаблона.