匹配2个熊猫数据框之间的数据并在Python中提取另一列的匹配值答案

【问题标题】：Match data between 2 pandas data frame and extract the matching value of another column in Python匹配2个熊猫数据框之间的数据并在Python中提取另一列的匹配值
【发布时间】：2018-10-01 17:15:30
【问题描述】：

我有两个熊猫数据框。

df1 :
     ACNo       Product
1   12340       100% Hot Care
2   23867       Auction5
3   98372       Edition
4   09837       Diet Parameter
5   54332       Load

df2 :
    ProdDetail                          AttrName
1   12345.567                           Age Confirmation
2   Model1 Count\100% Hot Care          Recipe
3   123445\Handle                       Improve
4   Diet Edition\Parameter              Amount

我想在 df2 的 ProdDetail 列上查找来自 df1 的 Product 列，并在 df1 中添加 AttrName 列以及相应的值。字符串可以在 ProdDetails 中的任意位置，基本类似于 excel 中的通配符功能。如果字符串出现在 df2 的 ProdDetail 中，我想提取相应的 AttrName。结果 df1 数据框应如下所示

        ACNo        Product             AttrName
1       12340       100% Hot Care       Recipe  
2       23867       Auction5            N/A
3       98372       Edition             Amount
4       09837       Diet Parameter      N/A
5       54332       Load                N/A

有人可以帮我解决这个问题吗？我尝试了多种方法，但无法找到解决方案。我看到了一个类似的帖子，但它是在 R 中，在 Python 中找不到。以下是我尝试过的一种方式

ip=df1['Product']
def lookup_prod(ip):
      return df2[(df2['ProdDetail'].str.contains(ip, na=False))]['AttrName']
df1['AttrName'] = data.apply(lambda row: lookup_prod(row['ProdDetails']), axis=1)

df1 = pd.DataFrame({'ACNo': ['12340', '23867', '98372', '09837', '54332'],
                    'Product': ['100% Hot Care', 'Auction5', 'Edition', 'Diet Parameter', 'Load']})

df2 = pd.DataFrame({'ProdDetail': [12345.567, r'Model1 Count\100% Hot Care',
                                   r'123445\Handle',  r'Diet Edition\Parameter'],
                    'AttrName': ['Age Confirmation', 'Recipe' , 'Improve',  'Amount']})

【问题讨论】：

标签： python string pandas dataframe

【解决方案1】：

一种方法是将pd.Series.apply 与自定义函数和for 循环一起使用：

def lookup_prod(ip):
    for row in df2.itertuples():
        if ip in row[1]:
            return row[2]
    else:
        return 'N/A'

df1['AttrName'] = df1['Product'].apply(lookup_prod)

print(df1)

#     ACNo        Product AttrName
# 1  12340        HotCare   Recipe
# 2  23867        Auction      N/A
# 3  98372        Edition   Amount
# 4   9837  DietParameter      N/A
# 5  54332           Load      N/A

示例 #2

此方法仍然有效：

import pandas as pd

df1 = pd.DataFrame({'ACNo': ['12340', '23867', '98372', '09837', '54332'],
                    'Product': ['100% Hot Care', 'Auction5', 'Edition', 'Diet Parameter', 'Load']})

df2 = pd.DataFrame({'ProdDetail': [r'Sesonal Items\Limted  Number', r'Model1 Count\100% Hot Care',
                                   r'123445\Handle',  r'Diet Edition\Parameter'],
                    'AttrName': ['Age Confirmation', 'Recipe' , 'Improve',  'Amount']})

def lookup_prod(ip):
    for row in df2.itertuples():
        if ip in str(row.ProdDetail):
            return row.AttrName
    else:
        return 'N/A'

df1['AttrName'] = df1['Product'].apply(lookup_prod)

print(df1)

#     ACNo         Product AttrName
# 0  12340   100% Hot Care   Recipe
# 1  23867        Auction5      N/A
# 2  98372         Edition   Amount
# 3  09837  Diet Parameter      N/A
# 4  54332            Load      N/A

【讨论】：

感谢 jpp，当我在整个数据集上运行时出现错误。 “TypeError：'float' 类型的参数不可迭代”。可能是因为“in”。
@amark，此解决方案适用于您提供的数据。所以看起来你有非字符串数据。您应该检查是否是这种情况，并 edit 您的问题是否与示例数据一起重要。
是的，我看到了某些行包含非字符串数据的实例。我更改了标题和示例数据。
@amark，查看更新。该方法仍然有效。请给minimal reproducible example，按照我的回答方式，否则无法确认您的数据有什么问题。
我为混乱道歉，我对此很陌生。我在上面的问题中更改了 df2 的数据样本。试图复制浮动错误。

【解决方案2】：

我认为str.contains 仍然在这里工作

df1.Product.apply(lambda x : df2.AttrName[df2.ProdDetail.str.contains(x)].sum(),1)
Out[805]: 
1    Recipe
2     False
3    Amount
4     False
5     False
Name: Product, dtype: object

【讨论】：