Python pandas 交叉检查子字符串并包含列之间的关系

Question

A	B	C
catastrop	animal	True
ani	count	True
rows	cata	False
Second	rownumbers	False
counter	counters	True
column	inner	False
	time
	strong
	kind
	membrane

A 和 B 同时包含字符串和子字符串，我想检查 A 列是否有值“计数器”，该值是在 B 列“计数”中有一个子字符串，或者是 B 列“计数器”的子字符串.如果任何对此满意，返回True。 （类似于 .isin 和 .str.contains 的组合）。 C 是输出，它说明 A 的值是 B 的子字符串还是 A 包含 B。像 catastrop 包含 cata，所以 True，而 ani 是 animal 的子字符串，所以 True

我想到的最初的代码是

list1=a1['A'].tolist()
output1=[]
for i in list1:
    output1.append(any(a1['B'].str.contains(i,regex=False)))

并对 B 列执行 or 操作

但如果我反过来做，比如

list2=a1['B'].tolist()
output2=[]
for i in list2:
    output2.append(any(a1['A'].str.contains(i,regex=False)))

清单 2 将包含关于 B 列而不是 A 列的验证结果。

我怎么能写这个代码？

Answer 1

实现此目的的一种方法如下：

• 对于a_contains_b，使用Series.str.contains 和一个由B 列中的值列表组成的字符串，joined 和| 分隔符来创建替代项（例如：'animal|count|cata|rownumbers|counters|inner|time|strong|kind|membrane'）。
• 对于b_contains_a，我们希望使用Series.str.extractall，因为我们需要将结果反馈给Series.isin，以了解A 列中的哪些行已匹配。 IE。 extractall (+ [0].tolist()) 的结果将是 ['ani', 'counter']，我们将其用作 df.A.isin 的输入。
• 最后，我们使用两个布尔系列作为新列的输入。使用|，因为如果任一系列包含True，我们需要True。将结果括在括号中并应用 Series.where 结合 Series.notna 以覆盖行中的所有 False 值，而列 NaN 中的值是 A。

import pandas as pd
import numpy as np

data = {'A': {0: 'catastrop', 1: 'ani', 2: 'rows', 3: 'Second', 4: 'counter', 
              5: 'column', 6: np.nan, 7: np.nan, 8: np.nan, 9: np.nan}, 
        'B': {0: 'animal', 1: 'count', 2: 'cata', 3: 'rownumbers', 
              4: 'counters', 5: 'inner', 6: 'time', 7: 'strong', 8: 'kind', 
              9: 'membrane'}, 
        'C': {0: True, 1: True, 2: False, 3: False, 4: True, 5: False, 
              6: np.nan, 7: np.nan, 8: np.nan, 9: np.nan}}

df = pd.DataFrame(data)

a_contains_b = df.A.str.contains('|'.join(df.B.dropna().tolist()))

b_contains_a = df.A.isin(df.B.str.extractall(
    '('+'|'.join(df.A.dropna().tolist()) + ')')[0].tolist())

df['D'] = (b_contains_a | a_contains_b).where(df.A.notna())

print(df)

           A           B      C      D
0  catastrop      animal   True   True
1        ani       count   True   True
2       rows        cata  False  False
3     Second  rownumbers  False  False
4    counter    counters   True   True
5     column       inner  False  False
6        NaN        time    NaN    NaN
7        NaN      strong    NaN    NaN
8        NaN        kind    NaN    NaN
9        NaN    membrane    NaN    NaN

注：如果您希望匹配不区分大小写，请考虑使用Series.str.lower。对于str.contains，您也可以使用参数case，并将其设置为False。