熊猫。检查来自一列的任何拆分字符串是否在另一列中。

Question

我有一个数据框架，其中两个列的字符串是逗号分隔的。

我试图用速度高效的方法来计算三维列，以指示是否有从列A中分离的字符串出现在B列中。

例如：

df = pd.DataFrame({'A':['apple', 'cucamber', 'tomato,mellon', 'tomato,potato'], 
                   'B':['apple,banana', 'pineapple', 'tomato juice', 'cheese,tomato,onion']})

结果应该是

  A              B                  C
apple          apple,banana         1
cucamber       pineapple            0
tomato,mellon  tomato juice         0
tomato,potato  cheese,tomato,onion  1

可能是>1百万行。

如果它对速度至关重要，即使没有分割第二列也可以，只需在第二列中搜索从第一列中分离出来的字符串。

  A              B                  C
apple          apple,banana         1
cucamber       pineapple            0
tomato,mellon  tomato juice         1
tomato,potato  cheese,tomato,onion  1

感谢你的帮助。

Answer 1

如果匹配至少一个字符串的话，有一个与lsit理解和any相匹配的想法：

df['C'] = [any(z in y for z in x.split(',')) for x, y in df[['A','B']].to_numpy()]
df['C'] = df['C'].astype(int)
print (df)
               A                    B  C
0          apple         apple,banana  1
1       cucamber            pineapple  0
2  tomato,mellon         tomato juice  1
3  tomato,potato  cheese,tomato,onion  1

编辑：

使用缺失值的一种可能的解决方案是先替换它们，如果不需要匹配它们，则用不同的值替换每个列的NaN，如下所示：

df = pd.DataFrame({'A':[None, 'cucamber', 'tomato,mellon', 'tomato,potato'], 
                   'B':['apple,banana', None, 'tomato juice', 'cheese,tomato,onion']})


d = {'A':'missing1', 'B':'missing'}
df['C'] = [any(z in y for z in x.split(',')) for x, y in df[['A','B']].fillna(d).to_numpy()]
df['C'] = df['C'].astype(int)
print (df)
               A                    B  C
0           None         apple,banana  0
1       cucamber                 None  0
2  tomato,mellon         tomato juice  1
3  tomato,potato  cheese,tomato,onion  1