Python 如何比较pandas中的单个字符串和多个字符串？

这是我的样本数据

Doc1     Doc2
US1A     US1U | US1F | US1G
US1B     US1O | US1T
US1C     US1A | US1O | US1N | US1P | US1M
US1D     US1B | US1O | US1N | US1P | US1M | US1E

我想使用Doc1将字符串与Doc2进行比较 如果在Doc2中找到Doc1列中的字符串，它会将Doc1中有字符串的行和比较的字符串添加到新数据框中

例如，在Doc1中，可以在Doc2的US1C行中找到US1A

new_df.append(df_doc1[j],df_doc1[i])

然后，它将添加到新的数据帧中，预期结果将是

new_Doc1  new_Doc2
US1A      US1C
US1B      US1D

参考预期结果，这里是我的代码

df_doc1 = df[['Doc1']]
df_doc2 = df[['Doc2']]

for i in range(1, len(df)):
    for j in range(1, len(df)):
        aa = df_doc1.isin(df_doc2)
        new_df = pd.DataFrame()
        if np.all(aa!=0):
            if bb==1:
                new_df.append(df_doc1[j],df_doc1[i])
            if bb>1:
                new_df.append(df_doc1[j])
                new_df.append(df_doc1[j])
        bb=bb+1

new_df

---

但问题是，当我打印新的_df时，我的代码没有返回任何内容，有什么建议吗？提前感谢您

您可以尝试使用

get_dummies

然后使用reindex和idxmax获取每组的max，如下所示：

m = df['Doc2'].str.get_dummies().set_index(df['Doc1'])
m.columns = m.columns.str.strip()
m.groupby(m.columns,axis=1).max().reindex(columns=m.index).idxmax().reset_index(name='Doc2')

---

试试这个

s = df.set_index('Doc1').Doc2.str.split(' \| ').explode()
new_df = s[s.isin(s.index)].reset_index().add_prefix('new_')

Out[28]:
  new_Doc1 new_Doc2
0     US1C     US1A
1     US1D     US1B

如果您希望列标签和顺序与预期的输出完全一致，您可以对其进行如下更改

new_df = (s[s.isin(s.index)].rename_axis('new_Doc2')
                            .reset_index(name='new_Doc1').sort_index(1))

Out[40]:
  new_Doc1 new_Doc2
0     US1A     US1C
1     US1B     US1D

---

虽然追加just do new_df=new_df.append（df_doc1[j]，df_doc1[i]），谢谢你的评论，但我在新的数据框中仍然没有任何内容。u。谢谢你的建议，我理解拆分“|”，你能解释一下吗？此外，我还尝试解决属性explode（）错误。你对这个问题有什么建议吗？@Sujin尝试将pandas版本更新为

0.25+

@Sujin:I在regex模式上拆分

'

，它是由3个字符组成的字符串

空格

，

，

空格

。在正则表达式中，

|

是表示替换的特殊字符（在正则表达式中表示

或
）。若要将特殊的
|
转回到文字
|
，需要在前面加上一个字符。在
explode
上，正如@anky_91所说，您应该更新到
pandas 0.25+
以使
explode
可用。感谢您的建议，结果中应该显示一些缺失的数据。例如，Doc1 Doc2 0 US1A US1C 1 US1B US1D 2 US1C NaN 3 US1D NaN 4 US1E US1A，但它只显示第一个数据。是因为idxmax（）吗？@Sujin是的。对于多个匹配，您希望您的输出是什么样的，我想Andy的方法在这里更好
new_df = (s[s.isin(s.index)].rename_axis('new_Doc2')
                            .reset_index(name='new_Doc1').sort_index(1))

Out[40]:
  new_Doc1 new_Doc2
0     US1A     US1C
1     US1B     US1D