Pandas:根据字符串的一部分是否在另一列中的任何位置创建一个新列

Question

假设我们有两个数据帧：

df1 = pd.DataFrame({
0: 'ETERNITON',
1: 'CIELOON',
2: 'M.DIASBRANCOON',
3: 'IRBBRASIL REON',
4: '01/00 ATACADÃO S.A ON',
5: 'AMBEV S/A ON',
6: '01/00 RUMO S.A. ON',
7: 'COGNA ONON',
8: 'CURY S/A'}.items(), columns=['index', 'name']).set_index('index')
df2 = pd.DataFrame({'name': {0: 'ALLIARON', 1: 'M.DIASBRANCOON', 2: 'AMBEVS/AON', 3: 'CIELOON',
4: 'AESBRASILON', 5: 'BRASILAGROON', 6: 'IRBBRASILREON', 7: 'ATACADÃOS.AON', 8: 'ALPARGATASON',
9: 'RUMOS.A.ON', 10: 'COGNAONON'},
'yf_ticker': {0: 'AALR3.SA', 1: 'MDIA3.SA', 2: 'ABEV3.SA', 3: 'CIEL3.SA', 4: 'AESB3.SA',
5: 'AGRO3.SA', 6: 'IRBR3.SA', 7: 'CRFB3.SA', 8: 'ALPA3.SA', 9: 'RAIL3.SA', 10: 'COGN3.SA'}})

我想使用df2中的列"yf_ticker"在df1中创建一个新列("ticker"(。如果df2['yf_ticker']中的名称/字符串在df1['name']中(即使它不完全匹配(，则将df2中的yf_ticker添加到df1['ticker']中的该行。为了明确起见，预期的输出将类似于：

print(df1)
name                    ticker
ETERNITON               Missing or N/A or Nan
CIELOON                 CIEL3.SA
M.DIASBRANCOON          MDIA3.SA
IRBBRASIL REON          IRBR3.SA
01/00 ATACADÃO S.A ON   CRFB3.SA
AMBEV S/A ON            ABEV3.SA
01/00 RUMO S.A. ON      RAIL3.SA
COGNA ONON              COGN3.SA
CURY S/A                Missing or N/A or Nan

我尝试过的解决方案：

df1['name'] = df1['name'].str.replace(" ","")
for i in range(len(df1)):
for j in range(len(df2)):
if df2.iloc[j,0] in df1.iloc[i,0]:
df1.loc[i, 'ticker'] = df2.iloc[j,1]

尽管它有效，但在我看来，对于更大的数据集，这样的for循环是低效的。有没有更快(或"矢量化"(的方法可以做到这一点？

Answer 1

我建议对name列进行模糊匹配，然后从匹配行中获得yf_ticker。下面是一个python内置difflib:的例子

import difflib
df1['yf_ticker'] = df1['name'].apply(lambda x: df2.loc[df2['name'] == y[0], 'yf_ticker'].iloc[0] if (y := (difflib.get_close_matches(x, df2.name))) else None)

输出：

IELOON>MDIA3.SA>IRBR3.SAABEV3.SA>td style="text-align:left；">RAIL3.SA>COGN3.SA/table>

索引	名称	yf_ticker
0	ETERNITON
2	M.DIASBRANCOON
3	IRBBRASIL REON
4	01/00 ATACADâO S.A ON	CRFB3.SA
6	01/00 RUMO美国ON
7	COGNA ONONON
8	CURY S/A