字符串在python中包含两个df之间

我有两个df和两个字符串列，如下所示：

Df1：原始df有2000行名称

Id    Name
1     Paper
2     Paper
3     Scissors
4     Mat
5     Cat
6     Cat

第二个Df：原始Df有1000+项目名称

Item_ID   Item_Name
1         Paper Bag
2         wallpaper
3         paper
4         cat cage

我需要

Name

列中的字符串，它们位于Item\u Name

第一种方法：使用

str.contains

：

我知道如何匹配字符串，如果它们是一列和两个要匹配的字符串，如下所示：

df[df['Name'].str.contains("paper|cat", na=False)]

但是，当有两列字符串（name和Item_name）需要匹配时，该怎么办

第二种方法：

fuzzyfuzzy

matched = []
for row in df1.index:
    name = df1.get_value(row,"Name")
    for columns in df2.index:
        item_name=df2.get_value(columns,"Item_Name")
        matched_token=fuzz.token_sort_ratio(name,item_name)
        if matched_token> 80:
            matched.append([name,item_name,matched_token])

问题将是，它将是缓慢的，我想要的是我从FuzzyWozzy得到的更多的小输出。输出如下所示：

Id Name     Item_ID
1  Paper     1,2,3
2  Paper     1,2,3
3  Scissors  NA 
4  Mat       NA 
5  Cat       4
6  Cat       4 

总结：

如果str.contains是两个具有不同列名的df，如何执行

如何转换df以获得上述预期输出

您可以与自定义函数一起使用：

def matcher(x):
    res = df2.loc[df2['Item_Name'].str.contains(x, regex=False, case=False), 'Item_ID']
    return ','.join(res.astype(str))

df1['Item_ID'] = df1['Name'].apply(matcher)

print(df1)

   Id      Name Item_ID
0   1     Paper   1,2,3
1   2     Paper   1,2,3
2   3  Scissors        
3   4       Mat        
4   5       Cat       4
5   6       Cat       4

您可以通过以下方法提高效率：

• 仅处理

  df1['Name']

  中的唯一项：

  apply

  是行循环
• 使用列表理解而不是

  pd.Series.apply

  。这两种方法都是Python级别的循环，但列表理解通常优于Pandas

  str

  方法

但上述情况并不能提高算法的复杂性。为了更好地提高数量级，您应该考虑基于TIE的算法，例如利用.<／P> 输出：

 ID  Name         Item_ID
0   1   paper     [1, 2, 3]
1   2   paper     [1, 2, 3]
2   3   scissors    NaN
3   4   mat         NaN
4   5   cat         [4]
5   6   cat         [4]

Id     Name  Item_ID
1     Paper   1,2,3
2     Paper   1,2,3
3  Scissors        
4       Mat        
5       Cat       4
6       Cat       4

---

您可以使用df。在此处应用

def get_vals(df):
    return ','.join(map(str, df2.loc[df2['Item_Name'].str.contains(df['Name'], case=False),]['Item_ID'].tolist()))

df1['Item_ID'] = df1.apply(get_vals, axis=1)

输出：

 ID  Name         Item_ID
0   1   paper     [1, 2, 3]
1   2   paper     [1, 2, 3]
2   3   scissors    NaN
3   4   mat         NaN
4   5   cat         [4]
5   6   cat         [4]

Id     Name  Item_ID
1     Paper   1,2,3
2     Paper   1,2,3
3  Scissors        
4       Mat        
5       Cat       4
6       Cat       4

---

相信这会给你带来你想要的结果

你的项目ID栏是String@min2bro，是的，

Item\u ID

在OP所需的输出中也是如此。@jpp：我会试试这个，然后回复你

，因为你提到它只在unique上起作用。不，我的帖子不是这么说的。它说，如果要提高性能，请先删除重复的值。我不能用
匹配不同的Item_ID
@RahulAgarwal来复制你的问题，不幸的是，我认为这超出了一个调整范围，最好问一个新问题（用一个完整的例子，让人们理解你的意思！）。得到一个错误：TypeError:（“'Series'对象是可变的，因此不能散列的”，u'发生在索引0'）它给了我所有行作为南。在您的示例中，两个df的列名都是相同的。你能修改一下吗？这样我就可以理解你在代码中引用的ID和名称了