python - 正则表达式 - 将子字符串与字符串匹配

Question

我有 2 个数据框，我想要实现的目标是创建匹配的 ID 列表。有了这些信息，我就可以稍后执行合并(合并不是我的问题的一部分，我只是想了解如何正确匹配行)。

DF1

<表类=“s-表”> <标题> ID <正文> 123 123B 234 234B 456 456B asfdh5 45gh

DF2

<表类=“s-表”> <标题> ID <正文> 123456 123B456 BBBER4 234567YT B9234BAA 456XXA32 999GHF pp9985 88AVKVBD

期望结果 - 我想获取匹配的字符串列表

<表类=“s-表”> <标题> 匹配 <正文> 0 123 1 123B 2 NaN 3 234 4 234B 5 456 6 NaN 7 NaN 8 NaN

我当前使用的代码如下

df2['ID'].str.extract(fr"({'|'.join(df1['ID'].values)})", expand=False)

问题是此代码与 DF1 中的 ID 不完全匹配，如果您在上面的所需结果中看到索引 2，结果是123B，但是我我只得到 123。

以下是我使用当前代码得到的结果。

<表类=“s-表”> <标题> 匹配 <正文> 0 123 1 123 2 NaN 3 234 4 234 5 456 6 NaN 7 NaN 8 NaN

任何帮助将不胜感激。感谢您， 西安

Answer 1

您的问题是，当它查找匹配项并返回第一个匹配项时，它会从 DF1 的顶部进行检查。如果按列中字符串的长度对数据帧进行排序，它将返回最长的匹配项。

这应该可以解决您的问题:

# Sort by length of string
new_index = df1.ID.str.len().sort_values().index
df1 = df1.reindex(index = new_index[::-1]).reset_index(drop=True)

# Match strings
df2['ID'].str.extract(fr"({'|'.join(df1['ID'].values)})", expand=False)