Pandas 中判断两列字符串值是否互相包含-Python教程-PHP中文网

Pandas 中判断两列字符串值是否互相包含

DDD

发布： 2025-10-13 09:33:20

原创

714人浏览过

pandas 中判断两列字符串值是否互相包含

本文旨在介绍如何使用 Pandas 检查 DataFrame 中两列字符串值是否互相包含，并生成一个新的布尔列来指示匹配结果。通过 numpy.where 结合 in 运算符，可以高效地实现此功能，处理包含缺失值的情况，并输出清晰的结果。

在数据分析和处理中，经常会遇到需要判断一个字符串是否包含在另一个字符串中的情况。在 Pandas DataFrame 中，如果需要比较两列字符串，并判断它们的值是否互相包含，可以使用一些技巧来实现。本文将介绍一种高效的方法，使用 numpy.where 结合 in 运算符来完成此任务。

问题描述

假设有一个 Pandas DataFrame，包含三列：Column1、Column2 和 Match_Column。目标是创建一个新的列 is_Match，如果 Column1 或 Column2 的值包含在 Match_Column 中，或者 Match_Column 的值包含在 Column1 或 Column2 中，则 is_Match 的值为 "Yes"，否则为 "No"。

例如：

         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

期望的输出是：

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 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

解决方案

可以使用 numpy.where 函数结合 Python 的 in 运算符来逐行检查 DataFrame 中的数据。为了处理缺失值（NaN），需要先使用 fillna 函数将其替换为占位符。

以下是实现此功能的代码：

import pandas as pd
import numpy as np

# 示例 DataFrame
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)

# 使用 numpy.where 和 in 运算符创建 is_Match 列
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

代码解释：

导入必要的库: 导入 pandas 和 numpy 库。
创建示例 DataFrame: 创建一个包含示例数据的 DataFrame。
使用 numpy.where 和 in 运算符:
- df['Column1'].fillna('_'): 将 Column1 中的 NaN 值替换为 "_"。
- df['Column2'].fillna('_'): 将 Column2 中的 NaN 值替换为 "_"。
- df['Match_Column'].fillna('nodata'): 将 Match_Column 中的 NaN 值替换为 "nodata"。
- zip(df['Column1'].fillna('_'), df['Column2'].fillna('_'), df['Match_Column'].fillna('nodata')): 将三列数据逐行打包成元组。
- [(a in c) or (b in c) or (c in a) or (c in b) for a,b,c in ...]: 使用列表推导式，对每一行数据进行判断。如果 Column1 或 Column2 的值包含在 Match_Column 中，或者 Match_Column 的值包含在 Column1 或 Column2 中，则返回 True，否则返回 False。
- np.where(..., 'Yes', 'No'): 根据列表推导式的结果，如果为 True，则 is_Match 列的值为 "Yes"，否则为 "No"。

注意事项

缺失值处理: 在比较字符串之前，务必处理缺失值。可以使用 fillna 函数将 NaN 值替换为合适的占位符，以避免出现错误。
性能: 对于大型 DataFrame，使用循环可能会影响性能。numpy.where 和列表推导式通常比循环更高效。
字符串大小写: 默认情况下，字符串比较区分大小写。如果需要进行不区分大小写的比较，可以使用 .str.lower() 或 .str.upper() 方法将字符串转换为统一的大小写形式。