【发布时间】：2017-08-02 19:49:40
【问题描述】：
我有两个这样的数据框：
[in]print(training_df.head(n=10))
[out]
product_id
transaction_id
0000001 [P06, P09]
0000002 [P01, P05, P06, P09]
0000003 [P01, P06]
0000004 [P01, P09]
0000005 [P06, P09]
0000006 [P02, P09]
0000007 [P01, P06, P09, P10]
0000008 [P03, P05]
0000009 [P03, P09]
0000010 [P03, P05, P06, P09]
[in]print(testing_df.head(n=10))
[out]
product_id
transaction_id
001 [P01]
002 [P01, P02]
003 [P01, P02, P09]
004 [P01, P03]
005 [P01, P03, P05]
006 [P01, P03, P07]
007 [P01, P03, P08]
008 [P01, P04]
009 [P01, P04, P05]
010 [P01, P04, P08]
testing_df 中的每一行都是 training_df 中一行的可能“子字符串”。我想找到所有匹配项并为 testing_df 中的每个列表返回可能的 training_df 列表。如果我可以返回一个字典，其中键是 testing_df 中的 transaction_id 并且值是 training_df 中所有可能的“匹配项”，那将很有帮助。 （training_df 中的每个列表都应该比 test_df 中的相应列表长一个值）。
我试过了：
# Find the substrings that match
matches = []
for string in training_df:
results = []
for substring in testing_df:
if substring in string:
results.append(substring)
if results:
matches.append(results)
但这不起作用，它只返回列名“product_id”。
我也试过了：
# Initialize a list to store the matches between incomplete testing_df and training_df
matches = {}
# Compare the "incomplete" testing lists to the training set
for line in testing_df.product_id:
for line in training_df.product_id:
if line in testing_df.product_id in line in training_df.product_id:
matches[line] = training_df[training_df.product_id.str.contains(line)]
但是这会引发错误TypeError: unhashable type: 'list'
【问题讨论】：
-
我认为问题在于括号。例如，“P01”是“[P01, P06]”的子字符串，但“[P01]”不是。您可以尝试 substring[1:-1] 而不是 substring 以摆脱括号。
-
@csander 我试过
matches = [] for string in training_df[1:-1]: results = [] for substring in testing_df[1:-1]: if substring in string: results.append(substring) if results: matches.append(results)，但也没有用 -
不，你不想切片DataFrame，你想切片子字符串
-
仍然只返回列名
[['product_id']]
标签： python pandas string-matching