Pandas 中判断两列字符串值是否相互包含-Python教程-PHP中文网

Pandas 中判断两列字符串值是否相互包含

DDD

发布： 2025-10-12 11:28:01

原创

389人浏览过

pandas 中判断两列字符串值是否相互包含

本文旨在介绍如何使用 Pandas 判断 DataFrame 中两列字符串值是否相互包含，并生成一个新的布尔列来标识匹配结果。通过结合 `numpy.where` 和字符串 `in` 运算符，我们可以高效地实现此功能，并处理可能存在的缺失值情况。

在数据处理过程中，经常会遇到需要判断 DataFrame 中不同列的字符串值是否相互包含的情况。例如，判断产品名称是否包含在产品描述中，或者判断客户名称是否包含在客户地址中。本文将介绍如何使用 Pandas 和 NumPy 来高效地实现这一功能。

方法：使用 numpy.where 和 in 运算符

核心思路是使用 NumPy 的 where 函数，结合 Python 的 in 运算符，逐行判断两列字符串是否相互包含。为了处理可能存在的缺失值（NaN），我们需要先使用 fillna 方法填充缺失值。

示例代码

假设我们有如下 DataFrame：

import pandas as pd
import numpy as np

data = {'Column1': ['Customer1', np.nan, 'Customer3', np.nan, 'Customer5 LLC', 'Customer6 LLC', np.nan, np.nan],
        'Column2': ['Customer1', 'Customer2', np.nan, 'Customer4 LLC', np.nan, np.nan, 'Customer9 LLC', np.nan],
        'Match_Column': ['Customer1 LLC', 'Customer2 LLC', 'Customer3 LLC', 'Customer4', 'Customer5', 'Customer8', 'Customer4', 'Customer4']}
df = pd.DataFrame(data)

print(df)

登录后复制

输出：

通义万相

通义万相，一个不断进化的AI艺术创作大模型

596

查看详情

         Column1        Column2   Match_Column
0      Customer1      Customer1  Customer1 LLC
1          NaN      Customer2  Customer2 LLC
2      Customer3          NaN  Customer3 LLC
3          NaN  Customer4 LLC      Customer4
4  Customer5 LLC          NaN      Customer5
5  Customer6 LLC          NaN      Customer8
6          NaN  Customer9 LLC      Customer4
7          NaN          NaN      Customer4

登录后复制

现在，我们想要判断 Column1 或 Column2 中的值是否包含在 Match_Column 中，或者 Match_Column 中的值是否包含在 Column1 或 Column2 中。可以使用以下代码实现：

df['is_Match'] = np.where([(a in c) or (b in c) or (c in a) or (c in b) for a,b,c
                           in zip(df['Column1'].fillna('_'), df['Column2'].fillna('_'),
                                  df['Match_Column'].fillna('nodata'))],
                          'Yes', 'No')
print (df)

登录后复制

输出：

         Column1        Column2   Match_Column is_Match
0      Customer1      Customer1  Customer1 LLC      Yes
1          NaN      Customer2  Customer2 LLC      Yes
2      Customer3          NaN  Customer3 LLC      Yes
3          NaN  Customer4 LLC      Customer4      Yes
4  Customer5 LLC          NaN      Customer5      Yes
5  Customer6 LLC          NaN      Customer8       No
6          NaN  Customer9 LLC      Customer4       No
7          NaN          NaN      Customer4       No

登录后复制

代码解释

df['Column1'].fillna('_'): 使用 fillna('_') 将 Column1 中的缺失值替换为 '_'。这样做是为了避免在后续的字符串比较中出现错误。
df['Column2'].fillna('_'): 同样，使用 fillna('_') 将 Column2 中的缺失值替换为 '_'。
df['Match_Column'].fillna('nodata'): 使用 fillna('nodata') 将 Match_Column 中的缺失值替换为 'nodata'。
zip(df['Column1'].fillna('_'), df['Column2'].fillna('_'), df['Match_Column'].fillna('nodata')): 使用 zip 函数将三个列的值逐行打包成元组。
[(a in c) or (b in c) or (c in a) or (c in b) for a,b,c in ...]: 这是一个列表推导式，它遍历 zip 函数生成的元组，对于每个元组 (a, b, c)，判断 a 是否包含在 c 中，或者 b 是否包含在 c 中，或者 c 是否包含在 a 中，或者 c 是否包含在 b 中。如果其中一个条件成立，则返回 True，否则返回 False。
np.where(..., 'Yes', 'No'): numpy.where 函数根据列表推导式的结果，如果为 True，则返回 'Yes'，否则返回 'No'。