Pandas。检查一列中的任何拆分字符串是否位于另一列中

Question

我有一个数据框，有两列，字符串用逗号分隔。
我正在尝试快速高效的解决方案来计算三维列，以指示列A中的任何分割字符串是否出现在列B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。
如果这对速度至关重要，即使不拆分第二列也可以，只需从第二列的第一列搜索拆分的字符串即可

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

谢谢你的帮助

Answer 1

lsit理解和any测试的一个想法，如果至少匹配一个字符串：

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：

处理缺失值的一个可能解决方案是首先替换它们，如果它们之间不需要匹配，则用不同的值替换每个列NaN，如：

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