熊猫：如果df1中的子字符串存在于df2的字符串中，则合并两个数据帧 （如果字符串包含子字符串）

Question

我有两个数据帧，我想将df1连接到df2，其中df1包含一个url，df2包含一个url列表。你知道吗

df1和df2的形状不同

示例：

df1 = pd.DataFrame({'url': ['http://www.example.jp/pro/sanada16']})
df2 = pd.DataFrame({'urls': ['[https://www.example.jp/pro/minoya, http://www.example.jp/pro/tokyo_kankan, http://www.example.jp/pro/briansawazakiphotography, http://www.example.jp/pro/r_masuda, http://www.example.jp/pro/sanada16, ......]']})

我希望datafrmes加入的条件是df1.url中的http://www.example.jp/pro/sanada16存在于df2.url中。你知道吗

我考虑过将列表列到列，但是在df2.url中url的数量不是唯一的。你知道吗

我尝试将与df2.url匹配的df1.url子字符串添加到一个新列，以便可以加入新列，但无法使其工作：

df2['match'] = df2['urls'].apply(lambda x: x if x in df1['url'])

预期产量：

new_df = pd.DataFrame({'url': ['http://www.example.jp/pro/sanada16'], 'urls': ['[https://www.example.jp/pro/minoya, http://www.example.jp/pro/tokyo_kankan, http://www.example.jp/pro/briansawazakiphotography, http://www.example.jp/pro/r_masuda, http://www.example.jp/pro/sanada16, ......]']})

使用postgresql，我可以：

SELECT 
    b.url
    ,a.urls
FROM df2 a
join df1 b 
    on position(b.url in a.urls)>0

Answer 1

如果我理解正确的话，这里有一个方法。您可以遍历要搜索的模式，然后使用df.at存储匹配项。你知道吗

import pandas as pd

data_1 = pd.DataFrame(
    {
        'url': ['http://www.ex.jp', 'http://www.ex.com']
    }
)

data_2 = pd.DataFrame(
    {
        'url': ['http://www.ex.jp/pro', 'http://www.ex.jp/pro/test', 'http://www.ex.com/path', 'http://www.ex.com/home']
    }
)

result = pd.DataFrame(columns = ['pattern', 'matches'])

for i in range(data_1.shape[0]):

    result.loc[i, 'pattern'] = data_1.loc[i, 'url']

    result.at[i, 'matches'] = [j for j in data_2['url'] if data_1.loc[i, 'url'] in j]

print(result)

提供：

             pattern                                            matches
0   http://www.ex.jp  [http://www.ex.jp/pro, http://www.ex.jp/pro/test]
1  http://www.ex.com   [http://www.ex.com/path, http://www.ex.com/home]

感谢您按要求更新您的问题。你知道吗