如何检查Pandas列的字符串值是否包含在另一个Pandas栏的字符串值中

Question

我有一个格式如下的大数据帧：

| ID       | A                 | B                       |
| -------- | ----------------- | ----------------------- |
| 0        | Tenure: Leasehold | Modern;Tenure: Leasehold|
| 1        | First Floor       | Refurbished             |
| 2        | NaN               | Modern                  |
| 3        | First Floor       | NaN                     |

在合并A列和B列之前，我想删除它们之间的冗余。所以我想检查A列中的值是否包含在B列中：如果是，A列应该取B列的值，如果不是，A列的值应该保持不变。

我尝试了以下lambda函数：

df['A'] = df['A'].apply(lambda x: df.B if df.A in df.B else df.A)

但我得到了这个错误：TypeError: 'Series' objects are mutable, thus they cannot be hashed

然后我尝试了np.where方法，如下所示：

df['A'] = np.where((df.A.values in df.B.values), df.B, df.A)

我可以运行代码，但它对所有列都返回false，所以我在DataFrame中没有得到任何修改。

如果我运行以下代码，它会返回True，所以我知道问题不是来自数据：

df.loc[0, 'A'] in df.loc[0, 'B']

我试着修改这个代码并这样使用它：

df['A'] = np.where((df.loc[:, 'A'] in df.loc[:, 'B']), df.B, df.A)

但后来我得到了与上面相同的TypeError。

我该如何解决这个问题？

Answer 1

df["A"] = df.apply(lambda x: x["B"] if x["A"] in x["B"] else x["A"], axis=1)
print(df)

打印：

ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished

---

编辑：处理NaNs:

df["A"] = df.apply(
lambda x: x["B"]
if pd.notna(x["A"]) and pd.notna(x["B"]) and x["A"] in x["B"]
else x["A"],
axis=1,
)
print(df)

打印：

ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished
2   2                       NaN                    Modern
3   3               First Floor                       NaN

---

如果要在"A":列中填充NaNs

df.loc[df["A"].isna(), "A"] = df.loc[df["A"].isna(), "B"]
print(df)

打印：

ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished
2   2                    Modern                    Modern
3   3               First Floor                       NaN

Answer 2

我会用zip做一个列表理解，当数据帧的大小增加时，zip与panda相比会很快应用：

df["A"] = [b if a in b else a for a,b in zip(df['A'],df['B'])]

---

print(df)
ID                         A                         B
0   0  Modern;Tenure: Leasehold  Modern;Tenure: Leasehold
1   1               First Floor               Refurbished