如何在 A 列中的任何部分值与 B 列中的任何值之间找到匹配项？并提取？答案

【问题标题】：How to find a match between any partial value in column A and any value column B? And extract?如何在 A 列中的任何部分值与 B 列中的任何值之间找到匹配项？并提取？
【发布时间】：2021-05-21 13:34:17
【问题描述】：

我在 pandas DataFrame 中有两列，都包含很多空值。 B 列中的某些值部分存在于 A 列的一个字段（或多个字段）中。我想检查 B 的此值是否存在于 A 中，如果存在，则分隔此值并添加为A 列中的新行

例子：

Column A   | Column B

black bear | null
black box  | null
red fox    | null
red fire   | null
green tree | null
null       | red
null       | yellow
null       | black
null       | red
null       | green

我想要以下内容：

Column A
black
bear
box
red
fire
fox
yellow
green

有人对如何获得此结果有任何提示吗？我曾尝试使用正则表达式 (re.match)，但我正在努力解决我没有固定模式而是变量（即 B 列中的任何值）的事实这是我的努力：

    import re

    list_A= df['Column A'].values.tolist()
    list_B= df['Column B'].values.tolist()

    for i in list_A:
      for j in list_B:
        if i != None:
          if re.match('{j}.+', i) : 
          ...

注意：列长度超过 2500 行。

【问题讨论】：

标签： regex list dataframe

【解决方案1】：

如果我正确理解您的问题，即每当在a 中找到b 时，您希望将b 的值与a 中的值拆分，然后分别存储分离的值，那么尝试一下以下？

import re

list_A = df['Column A'].values.tolist()
list_B = df['Column B'].values.tolist()
list_of_separated_values = []

for a in list_a:
   for b in list_b:
       if b in a:
           list_of_separated_values.extend([val for val in re.split('({})'.format(b),a) if not val])

【讨论】：

【解决方案2】：

这不是一个正则表达式问题。您将数据放在数据框中，请使用数据框功能来修复它。

假设 data_frame 是您的 pandas DataFrame。

# filter the DataFrame to just those with `null` in Column A
filtered = data_frame[data_frame["Column A"].isnull()]
# in the filtered table, assign Column B to Column A
filtered["Column A"] = filtered["Column B"]
# set Column B to null/None (I'm assuming you want this or this step can be skipped)
filtered["Column B"] = None
print(data_frame)

【讨论】：