通过字符串前缀加入熊猫数据帧

【问题标题】：joining pandas dataframes by string prefix通过字符串前缀加入熊猫数据帧
【发布时间】：2019-03-17 13:05:22
【问题描述】：

我正在寻找一种在两个 pandas.DataFrames 上执行以下联接的有效方法：

第一个包含A 列中的字符串，例如：

A  ....

Spam|One
Spam|Two
Ham
Eggs

第二个是引用表，以字符串键为索引和文字描述：

index      description
Spam       "..."
Ham        "..." 
Eggs       "...."
BakedBeans "...."

索引中的每个键都可以是A 中字符串的前缀。现在我想将描述列连接到 A 列，其中 A 中的值与前缀匹配。我有一种感觉，它有一个高效的 pandas 单线......

我们可以假设A 中的所有值都具有“前缀|后缀”或“前缀”的格式。也许这可以加快速度。

【问题讨论】：

标签： python pandas join string-matching

【解决方案1】：

使用Series.str.split 选择列表的第一个值和Series.map Series：

print (df1)
          A
0  Spam|One
1  Spam|Two
2       Ham
3      Eggs

print (df2)  
     description
Spam         aaa
Ham           sd
Eggs         rty

print (df2.index)
Index(['Spam', 'Ham', 'Eggs'], dtype='object')

df1['description'] = df1['A'].str.split('|').str[0].map(df2['description'])
print (df1)
          A description
0  Spam|One         aaa
1  Spam|Two         aaa
2       Ham          sd
3      Eggs         rty

更通用的解决方案应该是Series.str.extract，^ 用于提取起始字符串，join 通过| 用于正则表达式ORdf2.index：

pat = '(' + '|'.join('^' + df2.index) + ')'
df1['new'] = df1['A'].str.extract(pat,expand=False).map(df2['description'])

【讨论】：