Python 熊猫：在某些列的字符串中查找子字符串

我有一个2数据框，在第一列中，我应该在那里找到一些信息 第二列，我应该在第一个dataframe和列中找到什么，若第一列中的字符串包含什么，我应该添加什么

df1：

df2：

若url列匹配，我将使用

df1['Main Category'] = df1.url.map(df2.set_index('url')['Maincategory'])

但找到子字符串是行不通的。 我用这个

mapping = dict(df2.set_index('url')['Maincategory'])
def map_to_substring(x):
    for key in mapping.keys():
        if key in x:
            return mapping[key]
    return 'None'

但如果df太大，则需要太多时间。

---

如何改进此方法以更快地完成任务？

不清楚您的要求，但您应该使用pandas

str.contains

方法

---

一般来说，您可以循环第一个数据帧中的每一列，并在第二个数据帧中搜索匹配项。我认为没有比这更快的解决方案了

如果您要与域名匹配，那么使用

urlparse

向数据帧添加一列是值得的。您可以在

netloc

上进行精确匹配。当然，这对任意子字符串不起作用，但在您的情况下可能会起作用。参考：@Mikk不总是域注：有一种解决方案比使用

pd.Series.str.contains

更有效。如果性能是一个问题，那么这可能值得调查。

df1['Main Category'] = df1.url.map(df2.set_index('url')['Maincategory'])

mapping = dict(df2.set_index('url')['Maincategory'])
def map_to_substring(x):
    for key in mapping.keys():
        if key in x:
            return mapping[key]
    return 'None'