python基于部分字符串匹配合并两个pandas数据帧

Question

我是 Python 新手，在连接两个 Pandas 数据框时遇到了很多麻烦，因为合并应该基于部分字符串匹配。进一步来说：

我有一个名为的数据框df，如下所示：

{ "writtenAt":"2015-01-01T18:31:01+00:00", "content":" India\u2019s banks will ramp up sales of bonds that act as capital buffers in 2015" }

大约有 10,000 行，看起来像上面那样。

现在，我有另一个名为 的数据框compNames，如下所示：

{ "ticker":"A", "name":"Agilent Technologies Inc.", "keyword":"Agilent" }

我有大约 500 行compNames数据框。

我正在尝试通过以下机制将代码值分配给compNames匹配的条目df：

1. 检查整个列中的任何项目compNames['keyword']是否包含在df['content']

2. 如果有匹配项，则将匹配的单词作为df数据帧的单独列返回（例如df['matchedName']）

3. 如果有多个匹配项，则为对应的条目创建一个匹配词列表 df['content']

4. 最后，通过使用and 作为我的关键变量加入dfandcompNamesdf['matchedName']compNames['keyword']

到目前为止我所拥有的是：

# Load select company names
compNames = pd.read_csv("compNameList_LARA.txt")
compList = '|'.join(compNames['keyword'].tolist())
df['compMatch'] = df.content.str.contains(compList)

# drop unmatched articles
df = df[df['compMatch']==True]

# assign firm names
df['matchedName'] = df['content'].apply(lambda x: [x for x in   compNames['keyword'].tolist() if x in df['content']])

但是，当我这样做时，我会得到一个空列表 df['matchedName']

你能帮我弄清楚出了什么问题吗？非常感谢！！

-斤

Answer 1

弄清楚了。我只需要做：

df['content'] = df['content'].str.lower().str.split()
df['matchedName'] = df['content'].apply(lambda x: [item for item in x if item in compNames['keyword'].tolist()])