熊猫 |比较两个 CSV 文件并返回匹配项

Question

所以我基本上是在尝试比较两个 CSV 文件并返回匹配项。

CSV1：包含关键字列表。

keywords

Apple
Banana
Orange

CSV2：包含随机内容。

content

I like Apples
Banana is my favorite Fruit
Strawberry Smoothies are the best

如果我像这样在代码中包含关键字...我会得到一个不错的结果。

import pandas as pd

df = pd.read_csv('CSV1.csv')
result = df[df.content.str.contains('Apple|Banana|Orange')]

由于关键字文件越来越大。我正在寻找一种从 csv 中提取关键字并检查匹配项的方法，而不是将所有关键字都放入代码中。

Answer 1

您可以通过使用 pandas isin() 函数 (https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.isin.html) 来做到这一点

伪代码是：

# put the csv1's list to lower case
list_csv1 = [i.lower() for i in list_csv1]

# use the isin() function
# again, put the content to lower case
result = df[df.content.str.lower().isin(list_csv1)]

将所有内容都小写不是强制性的，但这是规范数据和防止丢失的好方法。