我如何在另一个数据帧中搜索一个数据帧的内容？

Question

我想搜索文本内容的一部分是否出现在另一个数据框中

我有两个数据框。

data_drop

Palabra Uri    Texto
a       aa    'abc abc bda abc abc bda'
b       bb    'abc abc bdx abc abc bda'
c       bb    'abc abc bdy abc abc bda'

df_keyword_drop

title   head    text
x      xx    'bdx abc'
y      yy    'bdy abc'
z      zz   'zzz zzz zzz'

输出为

结果

    title  name  text
    a      aa    'bdx abc'
    b      bb    'bdy abc'

更新：列数据和df_keyword的名称

我运行此代码

mask = df_keyword_drop.apply(lambda s: any(part in data_drop.loc[s.name, "Texto"] for part in s.text.split()),axis=1)
new = data_drop[mask].assign(text=df_keyword_drop.loc[mask, "text"])

但是我有这个错误：

--> 352                 raise KeyError(key)
353         return super().get_loc(key, method=method, tolerance=tolerance)
354 

KeyError: 279

Answer 1

您可以尝试以下方法：

mask = df2.apply(lambda s: any(part in df1.loc[s.name, "text"] for part in s.text.split()),
                 axis=1)
new = df1[mask].assign(text=df2.loc[mask, "text"])

对于掩码生成，我们获取df2的行，并检查字符串的any部分是否与相应行的文本字段匹配。然后，将遮罩应用于df1。由于所需的text列应来自df2，因此我们从df2中assign该列并获得所需的新数据帧。

编辑以上解决方案假定数据帧的长度相等。如果其中之一较短，则

cropped = df2.iloc[:len(df1.index), :]
mask = cropped.apply(lambda s: any(part in df1.loc[s.name, "text"]
                               for part in s.text.split()),
                               axis=1)
new = df1[mask].assign(text=cropped.loc[mask, "text"])

输出的索引可能不是RangeIndex，即根据匹配情况，它可能会混合为[2，4，5，..]。要将其重置为[0，1，2 ...]，请使用reset_index：

new = new.reset_index(drop=True)