合并 pandas 中列名不同且长度不同的两个数据框

Question

我有两个要合并的数据框，问题是它们的长度不同并且没有重叠的列。我基本上想将网站与公司名称匹配，所以它们都排成一排。有些公司没有网站，所以我希望这些行只填充 Naan。

我所拥有的示例：

Company	other info 1
name1	balkdksj
name 2	and so on

Website	other info 2
http://www. some form of company name1 .com	bljadksjd

是否有合并它们的方法？公司名称并不总是与网址中包含的相同（我尝试去除公司名称的空格并在网址中搜索，但它们通常不会以这种方式对齐）。你能搜索一个特定的词吗？

我希望表格看起来像：

Company	other info 1	Website	other info 2
name1	njfhrif	name1 website	fjvbfjvb
name2	bfjbfj	Naan	Naan

Answer 1

您可以从df1 中获取Company 名称列表，然后使用它创建一个正则表达式模式，以便从df2 的Website 列中提取。使用pd.merge()左连接得到结果，如下：

（假设df1 / df2 是您的第一个和第二个数据帧的名称）

pat = '|'.join(df1['Company'].values)

df_result = pd.merge(df1, df2, 
                     left_on='Company',
                     right_on=df2['Website'].str.extract(rf'({pat})')[0],
                     how='left')

如果您想将Company 名称与Website 中的子字符串进行匹配，仅全词匹配，您可以定义模式pat，如下所示：

pat = r'\b' + '|'.join(df1['Company'].values) + r'\b'

结果：

print(df_result)

  Company other info 1                                      Website other info 2
0   name1     balkdksj  http://www. some form of company name1 .com    bljadksjd
1  name 2    and so on                                          NaN          NaN

说明：

我们生成正则表达式模式pat，如下：

print(pat)

'name1|name 2'

这个正则表达式模式被输入str.extract() 以从列Website 中提取列中任何匹配的公司名称。然后我们在合并过程中使用它来匹配来自df1 的Company 名称。