使用正則表達式在熊貓中查找另一列中的值

我有一個有兩列字符串的熊貓數據框。我想識別第一列（s1）中字符串出現在第二列（s2）字符串中的所有行。使用正則表達式在熊貓中查找另一列中的值

所以，如果我的專欄是：

abc abcd*ef_gh 
z1y xxyyzz

我想保持第一行，而不是第二。

我能想到的唯一辦法是：

迭代通過數據幀行
使用s1內容作爲匹配模式

適用df.str.contains()到s2有什麼辦法要做到這一點，不需要遍歷行？

來源

2015-09-01 itzy

我不認爲你可以在這個時候以矢量化的方式做到這一點 – EdChum

@EdChum，不完全可以使用'numpy.char.find（）'進行簡單的匹配，如果沒有're'參與其中。 –

如果你有一個非常大的數據集，你可以看看[Dask]（http://dask.pydata.org/en/latest/）。 –

我能想出的最好的方法是使用apply代替手工迭代：

>> df = pd.DataFrame({'x': ['abc', 'xyz'], 'y': ['1234', '12xyz34']}) 
>> df 
    x  y 
0 abc  1234 
1 xyz 12xyz34 

>> df.x[df.apply(lambda row: row.y.find(row.x) != -1, axis=1)] 
1 xyz 
Name: x, dtype: object

來源

2015-09-01 19:36:36

對不起，打破這個給你，但'應用'本質上是'for'循環，代碼只是看起來更清潔 – EdChum

@EdChum感謝您的確認。儘管如此，[Dask]（http://dask.pydata.org/en/latest/）可能會並行。 –

這可能是正確的，因爲操作彼此獨立，因此任務可以分區 – EdChum

這可能是可行的（僅適用於簡單的匹配），在向量化的方式，與numpy的chararray methods：

In [326]: 

print df 
    s1   s2 
0 abc abcd*ef_gh 
1 z1y  xxyyzz 
2 aaa aaabbbsss 
In [327]: 

print df.ix[np.char.find(df.s2.values.astype(str), 
         df.s1.values.astype(str))>=0, 
      's1'] 
0 abc 
2 aaa 
Name: s1, dtype: object

來源

2015-09-01 19:49:27

使用正則表達式在熊貓中查找另一列中的值

回答

相關問題