Python-查找两个DataFrame列之间的所有匹配字符串-序列项0:应为str实例，找到元组

Question

我正在尝试将字符串与两个DataFrame列进行比较。category_df['column_text_to_find']包含要在其他数据帧df2['columm_text_to_search']中匹配的字符串。新列df2[匹配的文本']应返回在df2[列_text_to_search']中找到的df[列_txt_to_find']。我的预期结果是

['column_text_to_search']   ['column_text_to_find']     ['matched text']
'SP * GRAPHICSDIRECT.ascdadv'     'GRAPHICSDIRECT'          'GRAPHICSDIRECT'
'99 CENTS ONLY #777#'             '99 CENTS ONLY'           '99 CENTS ONLY'
'PAYPAL *BESTBUY COM  #3422#'     'BESTBUY'                 'BESTBUY'

不幸的是，我的代码返回了一个错误。

csv导入：

for f in all_files:
df = pd.read_csv(f, sep=',',header=[3])
df2 = df

删除空格：

df2['column_text_to_search']=df2['column_text_to_search'].str.strip()

搜索和匹配文本：

ch = category_df['column_text_to_find']
pat = r'b({0})b'.format('|'.join(ch))
df2['matched text'] = df2['column_text_to_search'].str.findall(pat, flags = 
re.IGNORECASE).map("_".join)
df2.head()

错误：

TypeError: sequence item 0: expected str instance, tuple found

Answer 1

您可以使用

pattern = r'(?i)b({0})b'.format("|".join(df["column_text_to_find"].to_list()))
df["column_text_to_search"].str.findall(pattern).str.join('_')

或者，如果您的"；单词"；要查找的可以在字符串中的任何位置包含特殊字符：

pattern = r'(?i)(?!Bw)({0})(?<!wB)'.format("|".join( sorted(map(re.escape, df["column_text_to_find"].to_list()), key=len, reverse=True) ))
df["column_text_to_search"].str.findall(pattern).str.join('_')

注意的使用

• (?i)-它支持不区分大小写的搜索
• b...b-单词边界允许对自然语言单词进行全单词搜索(如果"wors"可以在任意位置包含特殊字符，则不能依赖单词边界(
• (?!Bw)/(?<!wB)-动态自适应单词边界，如果要查找的单词中的相邻字符是单词字符，则只需要单词边界
• "|".join(df["column_text_to_find"].to_list())-在column_text_to_find列内形成基于交替的值模式
• sorted(map(re.escape, df["column_text_to_find"].to_list()), key=len, reverse=True)-按长度降序对要查找的单词进行排序，并对其进行转义以在regex中使用
• .findall(pattern)-查找所有出现的模式和
• .str.join('_')-将它们与_连接起来

Answer 2

如果我理解你的问题陈述，这是解决你的问题的代码

df2[match_text]=''
for j in range(len(df2)):
for i in range(len(category_df)):
if df2.column_text_to_search[j] in category_df.column_text_to_find[i]:
df2.match_text[j]=df2.column_text_to_search[j]
break