如果 df 中的列的值是同一数据框中另一列的值之一（逐行），则匹配
Matching if value of a column in a df is one of the values of another column in the same dataframe(going row by row)
df
col1 col2
A a|x|y
B a|x|y
C c|x|z
D e|j|y
我的objective是创建一个新的列名为'status'来查看col1中的条目是否是col2中的条目之一（用竖线分隔）。
输出应该是这样的
col1 col2 status
A a|x|y True
B a|x|y False
C c|x|z True
D e|j|y False
我的代码：
df["col1"]= df["col1"].str.lower()
df['status']=df['col1'].isin(df['col2'])
但是这将 'status' 列中的所有条目都设为 False
请帮帮我，拜托！！！
get_dummies
df.col2.str.get_dummies().mul(pd.get_dummies(df.col1.str.lower())).sum(1).astype(bool)
0 True
1 False
2 True
3 False
dtype: bool
a = pd.get_dummies(df.col1.str.lower())
b = df.col2.str.get_dummies()
status = b.mul(a).sum(1).astype(bool)
df = df.assign(status=status)
df
col1 col2 status
0 A a|x|y True
1 B a|x|y False
2 C c|x|z True
3 D e|j|y False
get_dummies 和 einsum
a = pd.get_dummies(df.col1.str.lower())
b = df.col2.str.get_dummies()
a, b = a.align(b, fill_value=0)
status = np.einsum('ij,ij->i', a, b).astype(bool)
df = df.assign(status=status)
df
col1 col2 status
0 A a|x|y True
1 B a|x|y False
2 C c|x|z True
3 D e|j|y False
与类似，您可以使用列表理解。假设您的数据是干净的，例如没有空值。
zipper = zip(df['col1'], df['col2'])
df['status'] = [i.casefold() in j.casefold().split('|') for i, j in zipper]
print(df)
col1 col2 status
0 A a|x|y True
1 B a|x|y False
2 C c|x|z True
3 D e|j|y False
也许您应该首先将数据框转换为更易于使用的格式。
我建议这样：
>>> df = pd.concat([df['col1'], df['col2'].str.upper().str.split('|', expand=True)], axis=1)
>>> df
col1 0 1 2
0 A A X Y
1 B A X Y
2 C C X Z
3 D E J Y
现在你可以做：
>>> df['status'] = df.apply(lambda s: s.duplicated().any(), axis=1)
>>> df
col1 0 1 2 status
0 A A X Y True
1 B A X Y False
2 C C X Z True
3 D E J Y False
此解决方案假定您用 '|' 分隔的状态指示器是唯一的，即您不能有类似 'x|x|x'.
的东西
如果您不喜欢这个建议，请考虑：
>>> df['status'] = df.apply(lambda row: row[0].lower() in row[1].split('|'), axis=1)
>>> df
col1 col2 status
0 A a|x|y True
1 B a|x|y False
2 C c|x|z True
3 D e|j|y False
df
col1 col2
A a|x|y
B a|x|y
C c|x|z
D e|j|y
我的objective是创建一个新的列名为'status'来查看col1中的条目是否是col2中的条目之一（用竖线分隔）。 输出应该是这样的
col1 col2 status
A a|x|y True
B a|x|y False
C c|x|z True
D e|j|y False
我的代码：
df["col1"]= df["col1"].str.lower()
df['status']=df['col1'].isin(df['col2'])
但是这将 'status' 列中的所有条目都设为 False
请帮帮我，拜托！！！
get_dummies
df.col2.str.get_dummies().mul(pd.get_dummies(df.col1.str.lower())).sum(1).astype(bool)
0 True
1 False
2 True
3 False
dtype: bool
a = pd.get_dummies(df.col1.str.lower())
b = df.col2.str.get_dummies()
status = b.mul(a).sum(1).astype(bool)
df = df.assign(status=status)
df
col1 col2 status
0 A a|x|y True
1 B a|x|y False
2 C c|x|z True
3 D e|j|y False
get_dummies 和 einsum
a = pd.get_dummies(df.col1.str.lower())
b = df.col2.str.get_dummies()
a, b = a.align(b, fill_value=0)
status = np.einsum('ij,ij->i', a, b).astype(bool)
df = df.assign(status=status)
df
col1 col2 status
0 A a|x|y True
1 B a|x|y False
2 C c|x|z True
3 D e|j|y False
与
zipper = zip(df['col1'], df['col2'])
df['status'] = [i.casefold() in j.casefold().split('|') for i, j in zipper]
print(df)
col1 col2 status
0 A a|x|y True
1 B a|x|y False
2 C c|x|z True
3 D e|j|y False
也许您应该首先将数据框转换为更易于使用的格式。
我建议这样：
>>> df = pd.concat([df['col1'], df['col2'].str.upper().str.split('|', expand=True)], axis=1)
>>> df
col1 0 1 2
0 A A X Y
1 B A X Y
2 C C X Z
3 D E J Y
现在你可以做：
>>> df['status'] = df.apply(lambda s: s.duplicated().any(), axis=1)
>>> df
col1 0 1 2 status
0 A A X Y True
1 B A X Y False
2 C C X Z True
3 D E J Y False
此解决方案假定您用 '|' 分隔的状态指示器是唯一的，即您不能有类似 'x|x|x'.
如果您不喜欢这个建议，请考虑：
>>> df['status'] = df.apply(lambda row: row[0].lower() in row[1].split('|'), axis=1)
>>> df
col1 col2 status
0 A a|x|y True
1 B a|x|y False
2 C c|x|z True
3 D e|j|y False