Python-在字符串列表中搜索子字符串列表,从另一列返回最大值
df1包含我要搜索的较大的主字符串。df2包含一个子字符串列表,与每个子字符串关联的是一个值Python-在字符串列表中搜索子字符串列表,从另一列返回最大值,python,pandas,Python,Pandas,df1包含我要搜索的较大的主字符串。df2包含一个子字符串列表,与每个子字符串关联的是一个值 import pandas as pd df1 = pd.DataFrame(columns = ['MainString']) df1 = df1.append({'MainString':'abcdef'}, ignore_index=True) df1 = df1.append({'MainString':'ghijkl'}, ignore_index=True) df1 = df1.appen
import pandas as pd
df1 = pd.DataFrame(columns = ['MainString'])
df1 = df1.append({'MainString':'abcdef'}, ignore_index=True)
df1 = df1.append({'MainString':'ghijkl'}, ignore_index=True)
df1 = df1.append({'MainString':'mnopqr'}, ignore_index=True)
df1 = df1.append({'MainString':'stuvwx'}, ignore_index=True)
df2 = pd.DataFrame(columns = ['Substring','Value'])
df2 = df2.append({'Substring':'bcde','Value':0.5}, ignore_index=True)
df2 = df2.append({'Substring':'bcd','Value':0.6}, ignore_index=True)
df2 = df2.append({'Substring':'mno','Value':0.4}, ignore_index=True)
df2 = df2.append({'Substring':'stuv','Value':0.7}, ignore_index=True)
df2 = df2.append({'Substring':'uvwx','Value':0.7}, ignore_index=True)
df2 = df2.append({'Substring':'stu','Value':0.4}, ignore_index=True)
print(df1)
MainString
0 abcdef
1 ghijkl
2 mnopqr
3 stuvwx
print(df2)
Substring Value
0 bcde 0.5
1 bcd 0.6
2 mno 0.4
3 stuv 0.7
4 uvwx 0.7
5 stu 0.4
我想在df1['MainString']
中搜索df2['Substring']
中的值,但随后只返回最大值。如果出现平局(如stuv和uvwx),请返回第一个。因此,期末考试将类似于:
MainString Substring Value
0 abcdef bcd 0.6
1 ghijkl NaN NaN
2 mnopqr mno 0.4
3 stuvwx stuv 0.7
我不确定是否需要循环并用每个子字符串计算每个主字符串。我尝试过调整,但它只返回第一个匹配的字符串,而不是具有最高值的子字符串:
s_list = list(df2['Substring'])
s_list = '(' + '|'.join(s_list) + ')'
df1['test'] = df1['MainString'].str.extract(s_list, expand=False)
print(df1)
MainString test
0 abcdef bcde
1 ghijkl NaN
2 mnopqr mno
3 stuvwx stuv
来自的代码允许您在子字符串匹配上连接两个数据帧。它贪婪地选择第一个匹配项,因此您必须按相关值对包含子字符串的数据帧进行排序,以便匹配最高值
以下代码为您的示例实现了这一点:
pattern = "|".join(df2.sort_values("Value", ascending=False).Substring)
result = df1.copy()
result.insert(
0, "Substring", df1["MainString"].str.extract("(" + pattern + ")", expand=False)
)
result = result.join(df2.set_index("Substring"), on="Substring")
来自的代码允许您在子字符串匹配上连接两个数据帧。它贪婪地选择第一个匹配项,因此您必须按相关值对包含子字符串的数据帧进行排序,以便匹配最高值
以下代码为您的示例实现了这一点:
pattern = "|".join(df2.sort_values("Value", ascending=False).Substring)
result = df1.copy()
result.insert(
0, "Substring", df1["MainString"].str.extract("(" + pattern + ")", expand=False)
)
result = result.join(df2.set_index("Substring"), on="Substring")
您的
df2
有多长?如果不太长的话,一个循环可能会有帮助。它不太长,我可以为此做一个循环。但我可能会将此应用到另一个未来的进程中,该表会更长(df1可能有几百万行,df2可能有几百行)。您的df2
有多长?如果不太长的话,一个循环可能会有帮助。它不太长,我可以为此做一个循环。但我可能会将其应用到另一个未来的进程中,该表会更长(df1可能会有几百万行,df2可能会有几百行)。很好,这是可行的,我没有想到排序。很好,这是可行的,我没有想到排序。