Skip to main content
 首页 » 编程设计

python之根据同一行中是否存在单词来判断两列是否匹配

2024年12月31日10EasonJim

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

的列表
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