合并 2 个 dfs，如果它是唯一包含单词的行答案

【问题标题】：Merge 2 dfs, with the row if it is the only row that contains the word合并 2 个 dfs，如果它是唯一包含单词的行
【发布时间】：2022-12-28 13:51:39
【问题描述】：

我有 2 个熊猫数据框：

df1 = pd.DataFrame({'keyword': ['Sox','Sox','Jays','D', 'Jays'],
                   'val':[1,2,3,4,5]})

df2 = pd.DataFrame({'name': ['a b c', 'Sox Red', 'Blue Jays White Sox'],
                   'city':[f'city-{i}' for i in [1,2,3]],
                   'info': [5, 6, 7]})

>>> df1
    keyword val
0   Sox     1
1   Sox     2
2   Jays    3
3   D       4
4   Jays    5

>>> df2
    name                 city       info
0   a b c                city-1     5
1   Sox Red              city-2     6
2   Blue Jays White Sox  city-3     7

对于 df1 的每一行，合并应该采用 df1['keyword'] 的确切元素，并查看它是否存在于每个 df2['name'] 元素中（例如使用 .str.contains）。现在有以下选项：

如果它恰好出现在df2['name']的一行中：将df1的当前行与df2的这一行相匹配。
否则（如果它出现在 df2['name'] 的不止一行或零行中）：不要将 df1 的当前行与任何内容匹配 - 值将为 NaN。

结果应如下所示：

    keyword         val name        city    info
0   Sox             1   NaN         NaN     NaN
1   Sox             2   NaN         NaN     NaN
2   Jays            3   Blue Jays   city-3  7.0
3   D               4   NaN         NaN     NaN
4   Jays            5   Blue Jays   city-3  7.0

在"team_keyword"专栏中：

"Sox" 匹配df2 的多行（第 1 行和第 2 行），因此它与 NaNs 合并，
"D"匹配0行，所以也和NaNs合并，
"Jays" 恰好匹配df2 中的 1 行，因此它与这一行合并。

如何使用熊猫做到这一点？

【问题讨论】：

标签： python pandas regex dataframe merge

【解决方案1】：

一种方法是使用 .apply() 和 .str.contains() 的组合来查找 df2 中与 df1 中的行相匹配的行。然后，我们可以使用.merge() 合并生成的数据帧：

def merge_dfs(row):
    keyword = row['keyword']
    df2_match = df2[df2['name'].str.contains(keyword)]
    return df2_match.iloc[0] if len(df2_match) == 1 else pd.Series(dtype='float64')
result = df1.apply(merge_dfs, axis=1).reset_index(drop=True)
result = df1.merge(result, left_index=True, right_index=True, how='left')

这应该给出预期的结果：

>>> result
    keyword val city    info    name
0   Sox     1   NaN     NaN     NaN
1   Sox     2   NaN     NaN     NaN
2   Jays    3   city-3  7.0     Blue Jays White Sox
3   D       4   NaN     NaN     NaN
4   Jays    5   city-3  7.0     Blue Jays White Sox

【讨论】：