统计数据帧之间的公共列值（Python）

我有多张表，如下所示。
共有10个df表，行数范围为1000-25000行。
这些df表是在对它们进行聚类后生成的。因此，行数的差异

  df = pd.DataFrame({'id': [1,2,3,4,5], 'segments' : ["a,b,c", "c,a", "d,a,b", "e,g", "a,e,d"]})
  ref = pd.DataFrame({'id': [1,4], 'segments' : ["a,b,c", "e,g"]})

我的目标是确定每个df表中是否存在ref ID
如果是，我需要检查每个df表的每一行，并计算有多少段是相同的
我的最终输出如下

到目前为止，我已经确定了如何检查ref ID是否存在

# get the ref id present in df
for index, row in enumerate(df.id):
    for index2, row2 in enumerate(ref.id):
        if row == row2:
            print("ref id present")
            print(row,index)
        else:
            "no ref id"

我已经尝试过使用交集函数。但是我得到了输出0

len(set(df['segments']).intersection(set(ref['segments'])))

我做了研究，但大多数解决方案都涉及单列值，使用merge解决。但是，mine在1列中有多个值

---

我花了2天的时间研究如何检查和计算公共值，并将其全部放在一个循环中，以便在10个df表上执行

我认为需要使用

分割创建集合，然后通过
集合进行比较。交叉点
：

segments = [set(x.split(',')) for x in df['segments']]
ref = [set(x.split(',')) for x in ref['segments']]

for i, x in enumerate(ref, 1):
    df['ref_{}'.format(i)] = [len(y.intersection(x)) for y in segments]
print (df)
   id segments  ref_1  ref_2
0   1    a,b,c      3      0
1   2      c,a      2      0
2   3    d,a,b      2      0
3   4      e,g      0      2
4   5    a,e,d      1      1

如果性能很重要，另一种解决方案（O（n））：

for i, x in enumerate(ref, 1):
    df['ref_{}'.format(i)] = [len([val for val in x if val in y]) for y in segments]

这应该可以工作df=df[df['segments'].isin（ref['segments']）。groupby（'segments'，as_index=False）['segments']）。agg（['count']）我需要找到公共值的数量。意思是df=[a，c]和ref id1=[a，g，e]，那么输出值应该是1（公共值是a）。你的解决方案需要[a，g，e]和[a，c]。因为它们不完全相同，所以输出为0。啊，所以用逗号分割线段，将其更改为set，然后查找交点。这很好用。非常感谢。@user123-是的，对我来说最难的是理解输出；）不客气！
segments = [set(x.split(',')) for x in df['segments']]
ref = [set(x.split(',')) for x in ref['segments']]

for i, x in enumerate(ref, 1):
    df['ref_{}'.format(i)] = [len(y.intersection(x)) for y in segments]
print (df)
   id segments  ref_1  ref_2
0   1    a,b,c      3      0
1   2      c,a      2      0
2   3    d,a,b      2      0
3   4      e,g      0      2
4   5    a,e,d      1      1

for i, x in enumerate(ref, 1):
    df['ref_{}'.format(i)] = [len([val for val in x if val in y]) for y in segments]