python - 如果一个数据帧的行值位于另一个数据帧的列中，则创建一个新列并获取该索引

Question

我可能使这个问题变得过于复杂，但是我似乎找不到一个简单的解决方案。

我有两个 DataFrame。我们将它们称为 df1 和 df2。为了让事情变得简单。假设 df1 有一个名为“某些数据”的列，df2 有两列称为“某些数据”和“其他数据”。

示例:

df1

一些数据 “勒布朗·詹姆斯 123” “勒布朗·詹姆斯 234”

df2

some data                        other data
"Lebron James 123 + other text"  "I want this in df1["New?"]"
"Michael Jordan"                 "Doesn't Matter"

所以基本上我想在 df1 中创建一个名为“New?”的新列。如果 df1["Some data"] 位于 df2["Some other data"] 中，这个新列(在 df1 中)将显示“New”。但是，如果 df2["some data"] 中没有实例，则我将 df1["New?"] 设置为 df2["other data"] 中该特定行的值。

运行后期望的结果:

df1

Some Data                         New?
"Lebron James 123"  "I want this in df1["New?"]"
"Lebron James 234"               "New"

正如您所看到的那样？列将包含其他数据列中该特定行的值。 Lebron James 234 不在 df2 的某些数据中，因此显示为新。

我可以使用 .isin() 方法让它说出 True 或 False，但是不知道如何获取另一个 df 的索引并从另一个 df 获取值数据栏。

谢谢

编辑:

据我所知会起作用

df["New?"] = df1["Some Data"].isin(df2["some data"])

会渲染

df1["新的？"]

True
False

所以我希望 True 成为“我希望这个在 df1["New?"]”中，而 False 成为 New

Answer 1

首先通过加入 df1 系列创建正则表达式:

rgx = '|'.join(df1['some data'])

现在使用np.where:

df1.assign(data=np.where(df2['some data'].str.match(rgx), df2['other data'], 'New'))

          some data                        data
0  Lebron James 123  I want this in df1["New?"]
1  Lebron James 234                         New

形状不匹配的示例:

df1 = pd.DataFrame({'a': ['a', 'b', 'c', 'd']})
df2 = pd.DataFrame({'a': ['aaaaa', 'bbbb', 'ffff', 'gggg', 'hhhh']})

rgx = '({})'.format('|'.join(df1.a))
m = df2.assign(flag=df2.a.str.extract(rgx))

df1.set_index('a').join(m.set_index('flag')).fillna('New').reset_index()

  index      a
0     a  aaaaa
1     b   bbbb
2     c    New
3     d    New