我有一个包含两列感兴趣的数据框。我想尝试逐字比较这两列,看看是否有任何单词重叠。如果是这样,我想附加一个列,指示在该行中找到了匹配的词。
这是我的数据框示例:
df
name1 name2
0 cat nip giant cat
1 bad dog blue sky
2 slow snail slimy snail
3 tall tree big boy
这是我想要的:
df
name1 name2 found
0 cat nip giant cat True
1 bad dog blue sky False
2 slow snail slimy snail True
3 tall tree big boy False
我试过很多方法。一种方法是使用此代码:
df['found'] = df['name1'].apply(lambda x: any(i in df['name2'] for i in x))
这没用。第二种方法是使用此代码:
glossary = list(set(df['name1']))
pattern = '|'.join(glossary)
check = df[(df.name1.str.contains(pattern))&
(df.name2.str.contains(pattern))]
这段代码也不起作用,它正在创建一个新的数据框(我不想要)。另外这两种方法都非常慢。任何想法如何正确地做到这一点?
此外,我已经尝试过 isin 方法:
df['found'] = df['name1'].isin(df['name2'])
这也行不通。它给了我许多错误的 True 标签。
请您参考如下方法:
您可以在系列之间使用 & 来使用简单的解决方案。
第一个transform您要设置
transf_1 = df.name1.str.split(" ").transform(set)
transf_2 = df.name2.str.split(" ").transform(set)
然后就
>>> transf_1 & transf_2.values
0 True
1 False
2 True
3 False
