通过子字符串过滤器将外部数据帧数据添加到另一个数据帧

Question

Python 菜鸟在这里。非常尊重你们。希望能帮到你。

我有两个 pandas 数据帧，df1 和 df2:

df1:

	style_gid	style_name
0	1202357372219055	DIA
1	1202357372219056	WVU
2	1202357372219057	GWE

df2:

	project_gid	project_name
0	1202318051699659	Project Master
1	1202318100865244	TEST-DIA-LON-1
2	1202320766191762	TEST-WVU-LONMUN-1
3	1202381389399069	TEST-DIA-MUN-2
4	1202381389399070	Custom Section

而且我尝试了很多东西，很多。我需要找出如何检查 df2 的每一行中的 project_name 以查看它是否与 df1 中的 style_name 条目之一匹配。如果那是真的，然后 以某种方式 将 style_name 和 style_id 带入 df2，就像下面的 table.

规则是，如果 style_name 中的文本在 'project_name' 中的文本中的 任何地方 中找到，那就是一个匹配项，因此该项目应该是分配了相关样式。

例如，上面的项目名称包含两个与 'DIA' 匹配的示例，以及一个与 'WVU' 匹配的示例：
测试-DIA-LON-1
测试-WVU-LONMUN-1
测试-DIA-MUN-2

样式数据框是一个移动的目标，列表将更改 style_name 的值和条目数（即我们最终可能会使用其他 'ABC'、'XYX'，无论以及），但搜索将始终以大写形式搜索 3 个字母的字符串。

任何与样式不匹配的内容都会返回 null 或 none，或 'Potato'，我不介意，我可以稍后处理。

我不知道如何执行这个lookup/insert，尽管找到了几个测试名称的解决方案。有人可以帮忙吗？

因此生成的数据帧 df2 最终看起来像这样：

	project_gid	project_name	style_gid	style_name
0	1202318051699659	Project Master	None/Null	None/Null
1	1202318100865244	TEST-DIA-LON-1	1202357372219055	DIA
2	1202320766191762	TEST-WVU-LONMUN-1	1202357372219056	WVU
3	1202381389399069	TEST-DIA-MUN-2	1202357372219057	DIA
4	1202381389399070	Custom Section	None/Null	None/Null

或者到一个新的数据框，只要每个项目都得到它应有的风格。

Answer 1

前提是我们一直在寻找模式 ABC 的 第一个 匹配，前面有一个 -，后面有另一个 - （因此，永远不要在“TEST-DIA-LON-1”中使用“LON”），我们可以执行以下步骤：

将列添加到 df2，并从 df2.project_name 中提取正则表达式匹配（或不匹配）；
检查这些匹配项是否存在于 df1 中（冗余，如果你能确定的话）；
df2.merge 添加 df1.style_gid（并重新排列列以匹配您的

import pandas as pd
import numpy as np

# we have 2 dfs: df1 (style), df2 (project)

# regex to capture first match of pattern like 'ABC' preceded by '-' and followed by '-'
pattern = r"(?<=-)([A-Z]{3})(?=-)"

# use str.extract() to populate new col with all found matches
df2['style_name'] = df2['project_name'].str.extract(pattern)

# lambda to ensure that all your matches actually exist as 'ABC's in df1, else 'NaN'
df2['style_name'] = df2['style_name'].apply(lambda i: i if i in list(df1.style_name) else np.nan)

# merge on df1 to get matches for df1.style_gid
df2 = df2.merge(df1, how='left')

# rearrange last two cols
df2 = df2.iloc[:, [0,1,3,2]]

输出print(df2):

    project_gid       project_name     style_gid style_name
0  1.202320e+15     Project Master           NaN        NaN
1  1.202320e+15     TEST-DIA-LON-1  1.202360e+15        DIA
2  1.202320e+15  TEST-WVU-LONMUN-1  1.202360e+15        WVU
3  1.202380e+15     TEST-DIA-MUN-2  1.202360e+15        DIA
4  1.202380e+15     Custom Section           NaN        NaN

通过子字符串过滤器将外部数据帧数据添加到另一个数据帧

Adding external datraframe data, via substring filter, to another dataframe

python

dataframe

pandas