熊猫搜索大df的整行是否包含另一个较小df的模板行？

Question

我有一个大的 df (df1)，每列中有二进制输出，如下所示：

df1:

  a b c d
1 1 0 1 0
2 0 0 0 0
3 0 1 0 1
4 1 1 0 0
5 1 0 0 0
6 1 0 1 1
...

我还有另一个较小的 df (df2) 带有一些“模板”行，我想检查 df1s 行是否包含。模板如下所示：

df2:

  a b c d
1 1 0 1 0
2 1 1 1 1
3 0 0 0 1
4 1 1 0 0

我要做的是有效地在大 df 中搜索这些少量模板，因此在此示例中，第 1、3、4、6 行将匹配，但 2 和 5 将不匹配。我希望大 df 中有任何额外的 1 的行通过测试（即，有一个模板行，但该行中也有一些额外的 1）。

我知道我可以只使用一个嵌套循环并遍历大小 dfs 的所有行并将行匹配为 np.arrays，但这似乎是一种非常低效的方法。我想知道这个问题是否有任何基于非迭代 pd 的解决方案？

非常感谢！

次要功能编辑：除了搜索和匹配之外，我还尝试保留 df1 中的每一行匹配的 df2 中哪个模板行的列表，以便我可以统计大 df 中显示的模板数量和他们是哪些。这是这个答案（Compare Python Pandas DataFrames for matching rows）不起作用的原因之一。

Answer 1

此逻辑会根据您的要求告诉您哪里有匹配项。在这里，我刚刚在原始 DF 中创建了一个新列，但您可能希望创建第三个 DF 并为每个测试继续添加列。然后你可以总结列/行来得到你的总数：

df1

   a  b  c  d
1  1  0  1  0
2  0  0  0  0
3  0  1  0  1
4  1  1  0  0

df2

   a  b  c  d
1  1  0  1  0
2  1  1  1  1
3  0  0  0  1
4  1  1  0  0

逻辑

t_match =[]
for index, row in df2.iterrows():
    t_match.append(((df1-row) >= 0).all(axis=1).sum())

输出

t_match
[1, 0, 1, 1]