当前位置:

首页 > 编程开发 > Pandas:判断一列是否包含另一列值

Pandas:判断一列是否包含另一列值

本文介绍了如何使用Pandas和NumPy检查DataFrame中一列的值是否包含另一列的值,或者反过来。通过numpy.where结合in语句,我们可以逐行比较不同列的字符串,判断是否存在包含关系,并生成新的布尔列来指示匹配结果。同时,我们也需要处理缺失值,避免其影响判断结果。

本文目录

    Pandas:检查DataFrame中一列的值是否包含另一列的值(反之亦然)

    本文介绍了如何使用 Pandas 和 NumPy 检查 DataFrame 中一列的值是否包含另一列的值,或者反过来。通过 `numpy.where` 结合 `in` 语句,我们可以逐行比较不同列的字符串,判断是否存在包含关系,并生成新的布尔列来指示匹配结果。同时,我们也需要处理缺失值,避免其影响判断结果。

    在数据分析和处理中,经常会遇到需要检查一个字符串是否包含在另一个字符串中的情况。尤其是在处理文本数据时,例如,判断一个公司名称是否包含在另一个公司名称的缩写中,或者判断一个产品名称是否包含在描述信息中。Pandas 提供了强大的数据处理能力,结合 NumPy 可以高效地完成这类任务。

    问题描述

    假设我们有一个 Pandas DataFrame,其中包含三列:Column1、Column2 和 Match_Column。我们的目标是创建一个新的列 is_Match,该列的值为 'Yes' 或 'No',取决于以下条件:

    • Column1 的值是否包含在 Match_Column 的值中。
    • Column2 的值是否包含在 Match_Column 的值中。
    • Match_Column 的值是否包含在 Column1 的值中。
    • Match_Column 的值是否包含在 Column2 的值中。

    如果以上任何一个条件成立,则 is_Match 的值为 'Yes',否则为 'No'。

    解决方案

    我们可以使用 NumPy 的 where 函数结合 Python 的 in 语句来解决这个问题。numpy.where 函数允许我们基于条件表达式创建新的数组,而 in 语句可以用来判断一个字符串是否包含在另一个字符串中。

    以下是具体的代码实现:

    import pandas as pd
    import numpy as np
    
    # 示例数据
    data = {'Column1': ['Customer1', None, 'Customer3', None, 'Customer5 LLC', 'Customer6 LLC', None, None],
            'Column2': ['Customer1', 'Customer2', None, 'Customer4 LLC', None, None, 'Customer9 LLC', None],
            'Match_Column': ['Customer1 LLC', 'Customer2 LLC', 'Customer3 LLC', 'Customer4', 'Customer5', 'Customer8', 'Customer4', 'Customer4']}
    df = pd.DataFrame(data)
    
    # 使用 numpy.where 和 in 语句创建 is_Match 列
    df['is_Match'] = np.where([(a in c) or (b in c) or (c in a) or (c in b) for a,b,c  
                               in zip(df['Column1'].fillna('_'), df['Column2'].fillna('_'), 
                                      df['Match_Column'].fillna('nodata'))], 
                              'Yes', 'No')
    
    print (df)

    代码解释

    1. 导入必要的库:

      import pandas as pd
      import numpy as np

      导入 Pandas 用于数据处理,NumPy 用于数组操作。

    2. 创建示例 DataFrame:

      data = {'Column1': ['Customer1', None, 'Customer3', None, 'Customer5 LLC', 'Customer6 LLC', None, None],
              'Column2': ['Customer1', 'Customer2', None, 'Customer4 LLC', None, None, 'Customer9 LLC', None],
              'Match_Column': ['Customer1 LLC', 'Customer2 LLC', 'Customer3 LLC', 'Customer4', 'Customer5', 'Customer8', 'Customer4', 'Customer4']}
      df = pd.DataFrame(data)

      创建一个包含示例数据的 DataFrame。注意 DataFrame 中包含缺失值 (None)。

    3. 使用 numpy.where 和 in 语句创建 is_Match 列:

      df['is_Match'] = np.where([(a in c) or (b in c) or (c in a) or (c in b) for a,b,c  
                                 in zip(df['Column1'].fillna('_'), df['Column2'].fillna('_'), 
                                        df['Match_Column'].fillna('nodata'))], 
                                'Yes', 'No')
      • zip(df['Column1'].fillna('_'), df['Column2'].fillna('_'), df['Match_Column'].fillna('nodata')): 使用 zip 函数将 Column1、Column2 和 Match_Column 三列的值逐行打包成元组。fillna('_') 和 fillna('nodata') 用于处理缺失值,将其替换为 _ 和 nodata,避免在 in 语句中出现错误。
      • [(a in c) or (b in c) or (c in a) or (c in b) for a,b,c in ...]: 这是一个列表推导式,它遍历 zip 函数生成的元组,并对每一行执行 in 语句判断。a in c 表示 Column1 的值是否包含在 Match_Column 的值中,以此类推。or 运算符用于连接四个条件,只要其中一个条件成立,则结果为 True。
      • np.where(condition, 'Yes', 'No'): numpy.where 函数根据条件表达式 condition 创建新的数组。如果 condition 为 True,则对应的值为 'Yes',否则为 'No'。
    4. 打印结果:

      print (df)

      打印包含 is_Match 列的 DataFrame。

    注意事项

    • 处理缺失值: 在使用 in 语句之前,需要处理 DataFrame 中的缺失值。可以使用 fillna 函数将缺失值替换为其他字符串,例如空字符串 '' 或占位符 '_',避免 in 语句报错。在上述代码中,我们将缺失值替换为了'_'和'nodata'。
    • 字符串大小写: in 语句是区分大小写的。如果需要忽略大小写进行比较,可以使用 lower() 函数将字符串转换为小写。
    • 性能优化: 对于大型 DataFrame,使用循环可能会影响性能。可以考虑使用 Pandas 的矢量化操作或 NumPy 的数组操作来提高效率。

    总结

    本文介绍了如何使用 Pandas 和 NumPy 检查 DataFrame 中一列的值是否包含另一列的值。通过 numpy.where 结合 in 语句,我们可以高效地完成这类任务。同时,我们也需要注意处理缺失值和字符串大小写,以确保结果的准确性。这种方法在处理文本数据时非常有用,例如,在数据清洗、特征工程和数据分析等场景中。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    TensorFold 1.2.9的Ollama接口和服务配置文件怎么用
    TensorFold 1.2.9的Ollama接口和服务配置文件怎么用

    TensorFold 1.2.9的服务配置文件用于保存和复用启动参数,Ollama兼容API则在同一推理路径上提供聊天、生成和模型查询等接口。理解配置优先级及后端限制,比只看到“兼容”就直接迁移全部流量更有用。

    如何理解Univer 1.5.2的二次混淆移除与构建边界?
    如何理解Univer 1.5.2的二次混淆移除与构建边界?

    理解Univer 1.5.2的关键,是把额外混淆与构建压缩分开。本版删除二次混淆插件及相关配置,同时保留Pro模块的minify设置;它解释的是产物处理方式的变化,不代表增加了表格或公式能力。

    Open Code Review 1.13.10的续跑和比较侧代码访问怎么用
    Open Code Review 1.13.10的续跑和比较侧代码访问怎么用

    Open Code Review 1.13.10新增工作区模式的--resume支持,并在仅指定--from时把--to默认设为HEAD。它还支持访问比较侧代码,改进Markdown摘要和进度输出;这些变化分别涉及会话延续、比较范围、代码上下文与终端展示。

    browser-use 1.0.6默认模型费用为何变化,如何保留原配置
    browser-use 1.0.6默认模型费用为何变化,如何保留原配置

    browser-use 1.0.6更换未传llm时的默认模型和推理档位;显式选择bu-fast并按任务读取真实用量费用。

    Claude Sonnet 5.5与Claude Fable 5.2错误恢复后,四类产品影响范围怎么看
    Claude Sonnet 5.5与Claude Fable 5.2错误恢复后,四类产品影响范围怎么看

    Claude Sonnet 5.5与Claude Fable 5.2错误升高事故的恢复覆盖claude.ai、Claude API、Claude Code和Claude Cowork,影响窗口为2026年11月16日北京时间15:32至16:45。这份恢复结论针对事故r1b4f9bbnsx1,不表示每位用户都曾中断,也不表示其他独立事故全部恢复。

    llama.cpp b12432测试构建改善了哪些KV缓存管理行为?
    llama.cpp b12432测试构建改善了哪些KV缓存管理行为?

    llama.cpp b12432预发布构建利用位置索引减少KV序列删除扫描;解释官方函数微基准、删除边界测试及生产评估限制。

    Nod 0.8.0怎样按工作类型分配模型并理解生效边界
    Nod 0.8.0怎样按工作类型分配模型并理解生效边界

    Nod 0.8.0细分对话、计划、自主工作和单个任务的模型选择;解释下一轮生效、成本估计与Linux Flatpak预览版限制。

    n8n 1.123.97相对1.123.96改了什么,依赖版本如何判断
    n8n 1.123.97相对1.123.96改了什么,依赖版本如何判断

    n8n 1.123.97更新1.x分支的undici、multer、follow-redirects等依赖;说明扫描发现口径、版本比较及适用分支,避免误作2.x降级目标。

    Ducter 0.0.57怎样整理手头任务,项目与设备识别有何变化
    Ducter 0.0.57怎样整理手头任务,项目与设备识别有何变化

    Ducter 0.0.57按仓库或文件夹自动组织项目,区分四项任务状态并说明等待条件与复查时间,同时统一页头和设备识别。

    llama.cpp b12431代码标签如何判断推理级别是否被模板拒绝
    llama.cpp b12431代码标签如何判断推理级别是否被模板拒绝

    llama.cpp b12431通过保存聊天模板明确拒绝的推理级别,让对应请求以400和支持级别提示返回。它修正的是reasoning_effort错误分类:此前三类兼容端点可能把模板拒绝反映为500,不能据此将所有推理失败都归入同一原因。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。