0

Есть два датафрейма с одним стобцом данных (номера):

DF1

Номер
218456
789562
514
787862
894514

DF2

Номер
893514
787862
896514
789562
2184

Результат: добавить к df2 номера из df1, которые полностью совпадают или частично совпадают (совпадение строго слева)

num traf
893514 0
787862 787862
896514 0
789562 789562
2184 218456

Мой вариант:

df2['traf'] =df2['num'].apply(lambda x: df1['num'][df1['num'].astype(str).str.contains(str(x))].values[0] if len(df1['num'][df1['num'].astype(str).str.contains(str(x))].values) > 0 else 0)

Работает медленно и также добавляет номера, которые могут содержаться не слева, а по середине в том числе.

5
  • Количество строк в обоих датафреймах совпадает и проверять на совпадение нужно только значения из соответствующих строк?
    – strawdog
    Commented 15 мая 2023 в 11:22
  • количество строк не совпадает, в df2 всегда меньше количество строк. Могут быть и другие значения кромое представленных. Commented 15 мая 2023 в 11:25
  • ну найти соответствия - не проблема вообще. но вы же хотите, чтобы они в df2 располагались на соответствующих строках, а не абы как? а что делать, если в df1 совпадений больше, чем строк в df2 (несколько строк в df1 совпадают с одной в df2)?
    – strawdog
    Commented 15 мая 2023 в 11:43
  • как вариант если больше совпадений, то добавить значения списком (в теории) Commented 15 мая 2023 в 11:49
  • еще вариант добавлять не номера, а количество совпадений Commented 15 мая 2023 в 11:53

1 ответ 1

1

В общем, если я правильно понял вопрос, то сделать можно так (я добавил повторяющееся значение в df1 для чистоты эксперимента), однако затратность все равно высокая:

Исходные:

import pandas as pd

df1 = pd.DataFrame({"num":[218456,789562,514,787862,894514,218456]})
df2 = pd.DataFrame({"num":[893514,787862,896514,789562,2184]})

решение:

tmp = df1.merge(df2, how="cross").drop_duplicates()
tmp = tmp[tmp.apply(lambda x: str(x["num_x"]).startswith(str(x["num_y"])), axis=1)]
tmp = df2.merge(tmp, left_on="num", right_on="num_y", how="left")#.drop(columns=["num_x"])
tmp["traf"] = tmp.groupby("num")["num_y"].transform("count")
tmp = tmp.drop(columns=["num_x", "num_y"]).drop_duplicates()

tmp:

      num  traf
0  893514     0
1  787862     1
2  896514     0
3  789562     1
4    2184     2

Можно еще после merge сразу сделать новый датафрейм, к примеру, с указанием списка совпадений, а не их количества:

res = tmp.groupby("num")["num_x"].apply(lambda x: list(x) if not x.isna().all() else None).reset_index().rename(columns={"num_x":"traf"})

res:

      num                 traf
0    2184  [218456.0, 21845.0]
1  787862           [787862.0]
2  789562           [789562.0]
3  893514                 None
4  896514                 None

Ваш ответ

Нажимая «Отправить ответ», вы соглашаетесь с условиями пользования и подтверждаете, что прочитали политику конфиденциальности.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.