python - 通过字符串前缀加入 Pandas 数据帧

Question

我正在寻找一种有效的方法来对两个 pandas.DataFrames 执行以下连接:

第一个包含在 A 列中的字符串如下:

A  ....

Spam|One
Spam|Two
Ham
Eggs

第二个是引用表，以字符串键为索引，有文字说明:

index      description
Spam       "..."
Ham        "..." 
Eggs       "...."
BakedBeans "...."

索引中的每个键都可以是A 中字符串的前缀。现在我想将描述列连接到 A 列，其中 A 中的值与前缀匹配。我有一种感觉，它有一个高效的 p​​andas one-liner...

我们可以假设 A 中的所有值都具有“prefix|suffix”或“prefix”格式。也许这可以加快速度。

Answer 1

使用Series.str.split选择列表的第一个值和 Series.map按系列:

print (df1)
          A
0  Spam|One
1  Spam|Two
2       Ham
3      Eggs

print (df2)  
     description
Spam         aaa
Ham           sd
Eggs         rty

print (df2.index)
Index(['Spam', 'Ham', 'Eggs'], dtype='object')

df1['description'] = df1['A'].str.split('|').str[0].map(df2['description'])
print (df1)
          A description
0  Spam|One         aaa
1  Spam|Two         aaa
2       Ham          sd
3      Eggs         rty

更通用的解决方案应该是Series.str.extract , ^ 用于提取起始字符串，join 由 | 用于正则表达式 OR 由 df2.index:

pat = '(' + '|'.join('^' + df2.index) + ')'
df1['new'] = df1['A'].str.extract(pat,expand=False).map(df2['description'])