python - 如何通过字符串包含合并基于两列的 2 个数据框

Question

我的问题有点类似于这个:How to merge pandas on string contains? ，但我需要不同的输出，而且问题本身有点复杂。所以我有 2 个类似于下面的数据框:

df1 = pd.DataFrame({'ref_name':['city-louisville','city-louisville','city-louisville', 'town-lexington','town-lexington','town-lexington'], 'un_name1':['CPU1','CPU2','GPU1','CPU1','CPU2','GPU1'], 'value1':[10,15,28,12,14,14]})

df2 = pd.DataFrame({'ref_name':['louisville','louisville','lexington','lexington'], 'un_name2':['CPU','GPU','CPU','GPU'], 'value2':[25,28,26,14]})

我需要根据 ref_name 和 un_name 中的子字符串进行连接。它们并不总是像这样干净，但我认为这是一个不错的小例子。所以在这种情况下我想要的输出看起来像这样:

ref_name  |  un_name1  |  un_name2  | value1  |  value2
---------------------------------------------------------
louisville|  CPU1      |  CPU       |  10     |  25
louisville|  CPU2      |  CPU       |  15     |  25
louisville|  GPU1      |  GPU       |  28     |  28
lexington |  CPU1      |  CPU       |  12     |  26
lexington |  CPU2      |  CPU       |  14     |  26
lexington |  GPU1      |  GPU       |  14     |  14

预先感谢您对此提供的任何帮助!

Answer 1

这是我能想到的最通用的版本。如果您的数据帧很大，性能可能会成为问题。

mask1 = df2['ref_name'].apply(lambda value: df1['ref_name'].str.contains(value))
mask2 = df2['un_name2'].apply(lambda value: df1['un_name1'].str.contains(value))
mask = (mask1 & mask2).stack().rename_axis(['index2', 'index1'])
mask = mask[mask].index.to_frame(False)

result = mask.merge(df2, left_on='index2', right_index=True) \
             .merge(df1, left_on='index1', right_index=True)

结果:

 index2  index1  ref_name_x un_name2  value2       ref_name_y un_name1  value1
      0       0  louisville      CPU      25  city-louisville     CPU1      10
      0       1  louisville      CPU      25  city-louisville     CPU2      15
      1       2  louisville      GPU      28  city-louisville     GPU1      28
      2       3   lexington      CPU      26   town-lexington     CPU1      12
      2       4   lexington      CPU      26   town-lexington     CPU2      14
      3       5   lexington      GPU      14   town-lexington     GPU1      14

修剪/重命名列是留给OP的练习。