Pandas：从一个数据框列中过滤数据并更新另一个 df 列答案

【问题标题】：Pandas : Filter Data from one dataframe column and update another df columnPandas：从一个数据框列中过滤数据并更新另一个 df 列
【发布时间】：2019-07-09 17:41:24
【问题描述】：

我在 pandas 有一种情况。我有一个 excel 文件，其中有一个名为 item 的列，它有一些文本。我有另一个数据框有一个名为brand 的列。如果项目列文本中存在品牌字符串，我想在项目列前面添加品牌名称。

这是我的 excel 文件快照。

我的品牌数据框如下所示。

brand_df =  pd.DataFrame({'brand':['spark','hadoop','hive']})

我想检查brand_df 品牌是否存在于item_df 中。如果品牌存在，那么它应该在项目前面的update_column 名称下，如下所示。

根据 pandas doc 的理解，我们应该使用地图来实现这一点，但我的地图功能如下所示。

 self.item_df['updated_column'] = self.item_df["item"].map(lambda x : 'spark' if 'spark' in x else 'hive' if 'hive' in x else 'hadoop' if 'hadoop' in x else '' )

在上面的命令中，问题是当你有很长的品牌列表时工作会很困难。

谁能建议我解决这个问题的最佳方法。

文本版的excel内容

item
hadoop is fast
hive is sql on hdfs
spark is superfast
spark is awesome
AWS is emr function

【问题讨论】：

请提供可复制的文本而不是图像。

标签： python pandas dataframe

【解决方案1】：

使用带有Series.str.extract 的单词边界来获取第一个匹配值：

pat = '|'.join(r"\b{}\b".format(x) for x in brand_df['item'])

#if dont need words boundaries
#pat = '|'.join(brand_df['item'])
item_df['updated_column'] = item_df['item'].str.extract('('+ pat + ')', expand=False)

或者如果需要所有匹配值使用Series.str.findall 和Series.str.join：

item_df['updated_column'] = item_df['item'].str.findall(pat).str.join(',')

【讨论】：

【解决方案2】：

为什么不pd.Series.str.findall 和str.join：

df['update_column'] = df['item'].str.findall('|'.join(brand_df['brand'])).str[0]

【讨论】：