我已将数据加载到数据框中,但无法弄清楚如何将已解析的数据与另一列进行比较并仅返回匹配项。
这看起来应该很容易,但我就是看不到。我试过将值拆分出来进行比较,但这是我卡住的地方。
import pandas as pd
df = pd.DataFrame({ 'col1': [';t9010;',';c1312;',';d1310;c1512;'],
'col2': [';t1010;d1010;c1012;',';t1210;d1210;c1312;',';t1310;d1310;c1412;']})
df['col1_split'] = df['col1'].str.split(';')
df['col2_split'] = df['col2'].str.split(';')
# output something like...
df['output'] = [null,';c1312;',';d1310;']
我希望看到类似的东西 -
第一行 - 返回 null,因为 t9010 不包含在 col2_split
第 2 行 - 返回 c1312,因为它在 col2_split
第 3 行 - 返回 d1310 而不是 c1512,因为只有 d1310 在 col2_split
最后,最终文本应以分号分隔返回,并带有前导和尾随分号,即 ;t9010; 或 ;c1312; 或 ;d1310;c1512; 如果不止一个。
请您参考如下方法:
您尝试使用“;”拆分的部分是正确的。之后,您需要将 col1_split 中的每个元素与 col2_split 中的每个元素进行比较。您可以编写一个简单的函数来避免许多循环,然后使用 pandas apply 函数来完成剩下的工作
这是相同的示例代码
import pandas as pd
df = pd.DataFrame({ 'col1': [';t9010;',';c1312;',';d1310;c1512;'],
'col2': [';t1010;d1010;c1012;',';t1210;d1210;c1312;',';t1310;d1310;c1412;']})
df['col1_split'] = df['col1'].str.split(';')
df['col2_split'] = df['col2'].str.split(';')
def value_check(list1, list2):
string = ""
for i in list1:
if (i in list2) & (len(i)>0):
string += ";"+i+';'
return string
df['output'] = df.apply(lambda x: value_check(x.col1_split, x.col2_split), axis=1)
df
输出
