开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

如何获取与另一列的pandas df列中的子字符串匹配的字符串？

要获取与另一列的pandas DataFrame（df）列中的子字符串匹配的字符串，可以使用str.contains()方法结合布尔索引来实现。

首先，假设我们有一个名为df的pandas DataFrame，其中包含两列：column1和column2。我们想要获取column1中与column2中子字符串匹配的字符串。

以下是实现的步骤：

导入必要的库：

import pandas as pd

创建一个示例DataFrame df：

data = {'column1': ['apple', 'banana', 'cat', 'dog', 'elephant'],
        'column2': ['app', 'na', 'ca', 'do', 'ant']}
df = pd.DataFrame(data)

使用str.contains()方法和布尔索引来获取匹配的字符串：

matches = df[df['column1'].str.contains('|'.join(df['column2']))]

在这个例子中，str.contains()方法用于检查column1中的每个字符串是否包含column2中的任何一个子字符串。'|'.join(df['column2'])用于将column2中的所有子字符串连接成一个正则表达式模式，以便在str.contains()中使用。最后，通过将布尔索引应用于DataFrame df，我们可以获取与column2中的子字符串匹配的字符串。

打印匹配的结果：

print(matches)

完整的代码如下所示：

import pandas as pd

data = {'column1': ['apple', 'banana', 'cat', 'dog', 'elephant'],
        'column2': ['app', 'na', 'ca', 'do', 'ant']}
df = pd.DataFrame(data)

matches = df[df['column1'].str.contains('|'.join(df['column2']))]
print(matches)

这将输出以下结果：

  column1 column2
0   apple     app
1  banana      na
3     dog      do
4 elephant     ant

对于以上的问题，腾讯云没有提供特定的产品或链接地址，因此无法提供相关推荐。

相关搜索:Pandas -1列的子字符串作为新列的值 Pandas -字符串与数组列的连接 pandas:一列是另一列的子字符串 Pandas:基于pandas列中匹配子字符串的Groupby pandas:将dataframe中某列的子字符串与另一个dataframe列进行匹配 Pandas:确定一列中的字符串是否是另一列中字符串的子字符串 Pandas中的子字符串列基于另一列 pandas保留列值中的子字符串匹配dateframe列中的子字符串如何添加基于部分字符串匹配的pandas列？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

[数据结构拾遗]子字符串匹配常用算法总结

本专栏旨在快速了解常见的数据结构和算法。在需要使用到相应算法时，能够帮助你回忆出常用的实现方案并且知晓其优缺点和适用环境。

02

[数据结构拾遗]子字符串匹配常用算法总结

本专栏旨在快速了解常见的数据结构和算法。在需要使用到相应算法时，能够帮助你回忆出常用的实现方案并且知晓其优缺点和适用环境。

02

SQL谓词 %STARTSWITH（一）

%STARTSWITH谓词允许选择以子字符串中指定的字符开头的数据值。如果substring不匹配任何标量表达式值，%STARTSWITH返回空字符串。无论显示模式如何，这个匹配总是在逻辑(内部存储)数据值上执行。

03

通宵翻译Pandas官方文档，写了这份Excel万字肝货操作！

这篇万字长文，是黄同学辛苦为大家辛苦翻译排版。希望大家一定从头到尾学习，否则，可能会找不到操作的数据源。

02

Python判断一个字符串是否包含某个指定的字符串

成员操作符 in 1 str = "string test string test" 2 find1 = "str" 3 find2 = "test" 4 print(find1 in str) # True 5 print(find1 not in str) # False 偷偷说一句：in不只是在字符串中可以使用哦！期待后面的教程叭使用字符串对象的 find() 、 rfind() 、 index() 、 rindex() 1 str

01

彻底搞懂KMP算法原理

也就是说，KMP算法是用来解决字符串匹配问题的，从一个主字符串text中寻找一个子字符串(模式字符串)pattern，看这个子串是否在主串中，比如对于text='abaacababcac'和pattern='ababc'，子串是包含在主串中的，同时它在主串中的索引是5。

08

Bash脚本编程之数组

array=( "${array[@]}" "new element" )或array[${#array[*]}]="new element"

01

《看漫画学python》第十天-常用的内置模块

datetime类表示日期和时间等信息，我们可以使用如下构造方法创建datetime对象.

02

Pandas中替换值的简单方法

在处理数据时，编辑或删除某些数据作为预处理步骤的一部分。这可能涉及从现有列创建新列，或修改现有列以使它们适合更易于使用。为此，Pandas 提供了多种方法，您可以使用这些方法来处理 DataFrame 中所有数据类型的列。

03

Pandas详解

在数据科学和机器学习领域，数据处理和分析是至关重要的一环。Pandas库是Python中最强大、灵活且广泛使用的数据处理库之一。本教程将详细介绍Pandas库的各个方面，从基本的数据结构到高级的数据操作，帮助读者更好地理解和利用这一工具。

01

FuzzyWuzzy：模糊字符串匹配工具包

在日常开发工作中，经常会遇到这样的一个问题：要对数据中的某个字段进行匹配，但这个字段有可能会有微小的差异。比如同样是招聘岗位的数据，里面省份一栏有的写“广西”，有的写“广西壮族自治区”，甚至还有写“广西省”……为此不得不增加许多代码来处理这些情况。

02

FuzzyWuzzy：Python中模糊匹配的魔法库

在日常开发工作中，经常会遇到这样的一个问题：要对数据中的某个字段进行匹配，但这个字段有可能会有微小的差异。比如同样是招聘岗位的数据，里面省份一栏有的写“广西”，有的写“广西壮族自治区”，甚至还有写“广西省”……为此不得不增加许多代码来处理这些情况。

05

js 怎么使用正则表达式-JavaScript正则表达式常用技巧

正则表达式是用于匹配字符串中字符组合的模式。在中，正则表达式也是对象。这些模式被用于 RegExp 的 exec 和 test 方法, 以及 String 的 match、、、search 和 split 方法。正则表达式的掌握程度能粗略地看出程序员的技术底子，所以技术面试、编程竞赛等都特别喜欢考察正则表达式。本篇就带你一起夯实一下正则表达式的一些使用技巧：

02

js 怎么使用正则表达式-JavaScript正则表达式常用技巧

正则表达式是用于匹配字符串中字符组合的模式。在中，正则表达式也是对象。这些模式被用于 RegExp 的 exec 和 test 方法, 以及 String 的 match、、、search 和 split 方法。正则表达式的掌握程度能粗略地看出程序员的技术底子，所以技术面试、编程竞赛等都特别喜欢考察正则表达式。本篇就带你一起夯实一下正则表达式的一些使用技巧：

03

如何用Java实现字符串匹配和替换的高效算法？

Java中有多种方法可以实现字符串匹配和替换的高效算法。下面将介绍一些常见的算法和实现方式，并提供一些示例代码。

01

基于TF-IDF和KNN的模糊字符串匹配优化

模糊字符串匹配（Fuzzy string matching）是一种查找近似模式（而不是完全匹配）的技术。换句话说，模糊字符串匹配是一种搜索类型，即使用户拼错单词或仅输入部分单词进行搜索，也会找到匹配项。也称为近似字符串匹配(approximate string matching)。

03

KMP算法的时间复杂度与next数组分析

KMP 算法是一种改进的字符串匹配算法，用于判断一个字符串是否是另一个字符串的子串

02

字符串匹配算法_字符串模式匹配算法

网络信息中充满大量的字符串，对信息的搜寻至关重要，因此子字符串查找（即字符串匹配）是使用频率非常高的操作：给定一段长度为N的文本和长度为M的模式字符串（N≥M），在文本中找到一个和模式串相匹配的子串。由这个问题可以延伸至统计模式串在文本中出现的次数、找出上下文（和该模式串相符的子字符串周围的文字）等更复杂的问题。

02

两个好用到爆的Python模块，建议收藏！

在日常开发工作中，经常会遇到这样的一个问题：要对数据中的某个字段进行匹配，但这个字段有可能会有微小的差异。比如同样是招聘岗位的数据，里面省份一栏有的写“广西”，有的写“广西壮族自治区”，甚至还有写“广西省”……为此不得不增加许多代码来处理这些情况。

02

pandas中的字符串处理函数

在pandas中，通过DataFrame来存储文件中的内容，其中最常见的数据类型就是字符串了。针对字符串，pandas提供了一系列的函数，来提高操作效率。

03

数据查询语言QL

聚合函数： SQL提供了下列聚合函数： COUNT(*) 计算元组的个数 COUNT(<列名>) 对一列中的值计算个数 SUM(<列名>) 求某一列值的总和（此列的值必须是数值型） AVG(<列名>) 求某一列的平均值（此列的值必须是数值型） MAX(<列名>) 求某一列的最大值 MIN(<列名>) 求某一列的最小值 SELECT语句的完整结构： SELECT<目标表的列名或列表达序列> FORM<基本表名或/和视图序列> [ WHARE <行条件表达式>] [ GRO

00

一场pandas与SQL的巅峰大战（二）

上一篇文章一场pandas与SQL的巅峰大战中，我们对比了pandas与SQL常见的一些操作，我们的例子虽然是以MySQL为基础的，但换作其他的数据库软件，也一样适用。工作中除了MySQL，也经常会使用Hive SQL，相比之下，后者有更为强大和丰富的函数。本文将延续上一篇文章的风格和思路，继续对比Pandas与SQL，一方面是对上文的补充，另一方面也继续深入学习一下两种工具。方便起见，本文采用hive环境运行SQL，使用jupyter lab运行pandas。关于hive的安装和配置，我在之前的文章MacOS 下hive的安装与配置提到过，不过仅限于mac版本，供参考，如果你觉得比较困难，可以考虑使用postgreSQL，它比MySQL支持更多的函数(不过代码可能需要进行一定的改动)。而jupyter lab和jupyter notebook功能相同，界面相似，完全可以用notebook代替，我在Jupyter notebook使用技巧大全一文的最后有提到过二者的差别，感兴趣可以点击蓝字阅读。希望本文可以帮助各位读者在工作中进行pandas和Hive SQL的快速转换。本文涉及的部分hive 函数我在之前也有总结过，可以参考常用Hive函数的学习和总结。

02

数据科学入门必读：如何使用正则表达式？

选自Dataquest 作者：Alex Yang 机器之心编译参与：Panda 正则表达式对数据处理而言非常重要。近日，Dataquest 博客发布了一篇针对入门级数据科学家的正则表达式介绍文章，通过实际操作详细阐述了正则表达式的使用方法和一些技巧。数据科学家的一部分使命是操作大量数据。有时候，这些数据中会包含大量文本语料。比如，假如我们需要搞清楚「巴拿马文件 [注意，可能是敏感词]」丑闻中谁给谁发送过邮件，那么我们就要筛查 1150 万份文档！我们可以采用人工方式，亲自阅读每一封电子邮件，但我们也可以

6.1 KMP算法搜索机器码

KMP算法是一种高效的字符串匹配算法，它的核心思想是利用已经匹配成功的子串前缀的信息，避免重复匹配，从而达到提高匹配效率的目的。KMP算法的核心是构建模式串的前缀数组Next，Next数组的意义是：当模式串中的某个字符与主串中的某个字符失配时，Next数组记录了模式串中应该回退到哪个位置，以便继续匹配。Next数组的计算方法是找出模式串每一个前缀中最长的相等前缀和后缀，并记录下来它们的长度，作为Next数组中的对应值。

01

6.1 KMP算法搜索机器码

KMP算法是一种高效的字符串匹配算法，它的核心思想是利用已经匹配成功的子串前缀的信息，避免重复匹配，从而达到提高匹配效率的目的。KMP算法的核心是构建模式串的前缀数组Next，Next数组的意义是：当模式串中的某个字符与主串中的某个字符失配时，Next数组记录了模式串中应该回退到哪个位置，以便继续匹配。Next数组的计算方法是找出模式串每一个前缀中最长的相等前缀和后缀，并记录下来它们的长度，作为Next数组中的对应值。

04

嘀~正则表达式快速上手指南（下篇）

上面的代码中用 for 循环去遍历 contents 这样我们就可以一个一个处理每封邮件。我们创建一个字典， emails_dict,这将保存每个电子邮件的所有细节，如发件人的地址和姓名。事实上，这些是我们要寻找的第一项信息。

01

Python中匹配模糊的字符串

如何使用thefuzz 库，它允许我们在python中进行模糊字符串匹配。此外，我们将学习如何使用process 模块，该模块允许我们在模糊字符串逻辑的帮助下有效地匹配或提取字符串。

02

Pandas中选择和过滤数据的终极指南

Python pandas库提供了几种选择和过滤数据的方法，如loc、iloc、[]括号操作符、query、isin、between等等

01

Pandas入门2

对于DataFrame，对齐会同时发生在行和列上，两个DataFrame对象相加后，其索引和列会取并集，缺省值用NaN。

02

一招解决4道leetcode hard题，动态规划在字符串匹配问题中的应用

在做leetcode的时候，遇到hard题大家往往都觉得头疼，但其实，掌握方法，举一反三，hard题有时候我们也能想到好的思路，顺利攻破，今天我们就介绍一下动态规划在字符串匹配中的应用，相同类型的题目在前120道题中居然出现了4次！有必要好好总结一下！这四道题分别是： 10. Regular Expression Matching:https://leetcode.com/problems/regular-expression-matching/description. 44.Wildcard Match

05

Pandas 2.2 中文官方教程和指南（四）

由于许多潜在的 pandas 用户对 SQL 有一定的了解，本页旨在提供使用 pandas 执行各种 SQL 操作的一些示例。

01

Java 正则表达式

正则表达式是一个特殊的字符序列，有助于你用一种专门的语法模式来匹配或找到其他字符串或字符串集。他们可以用来搜索、编辑或是操纵文本和数据。Java 提供了 java.util.regex 包来与正则表达式进行模式匹配。正则表达式：符合一定规则的表达式。作用：用于专门操作字符串。特点：用一些特定的符号来表示一些代码的操作.这样就简化书写。所以学习正则表达式就是学习一些特殊符号的使用。好处：可以简化对字符串的操作。弊端：符号定义越多，正则越长，阅读性越差。 Java JDK 1.40版本包含了java.

03

Pandas 2.2 中文官方教程和指南（五）

对于来自SAS的潜在用户，本页面旨在演示如何在 pandas 中执行不同的 SAS 操作。

01

Java正则表达式简介及实例

有时候会需要编写代码来验证用户输入，比如验证输入是否是一个数字，是否是一个全部小写的字符串，或者社会安全号，完成这个任务一个简单高效的方法就是用正则表达式！

02

leetcode：1408. 数组中的字符串匹配

给你一个字符串数组 words ，数组中的每个字符串都可以看作是一个单词。请你按任意顺序返回 words 中是其他单词的子字符串的所有单词。

04

字符串之字符串哈希

Hash 函数有助于解决很多问题，如果我们想有效地解决比较字符串的问题，最朴素的办法是直接比较两个字符串，这样做的时间复杂度是

02

Pandas 2.2 中文官方教程和指南（六）

对于可能来自Stata的潜在用户，本页面旨在演示如何在 pandas 中执行不同的 Stata 操作。

00

Python正则表达式初识（五）

正则表达式的内容很丰富，今天小编继续给大家分享Python正则表达式的基础知识。今天要给大家的讲的特殊字符是竖线“|”。竖线“|”实质上是一个或的关系。

04

Python正则表达式初识（五）

正则表达式的内容很丰富，今天小编继续给大家分享Python正则表达式的基础知识。今天要给大家的讲的特殊字符是竖线“|”。竖线“|”实质上是一个或的关系。

02

python算法：每日一题

leetcode链接：https://leetcode-cn.com/problems/string-matching-in-an-array/

02

Python 数据分析（PYDA）第三版（三）

读取数据并使其可访问（通常称为数据加载）是使用本书中大多数工具的必要第一步。术语解析有时也用于描述加载文本数据并将其解释为表格和不同数据类型。我将专注于使用 pandas 进行数据输入和输出，尽管其他库中有许多工具可帮助读取和写入各种格式的数据。

00

数据结构|字符串匹配

python字符串str是在Python编写程序过程中，最常见的一种基本数据类型。字符串是许多单个子串组成的序列，其主要是用来表示文本。字符串是不可变数据类型，也就是说你要改变原字符串内的元素，只能是新建另一个字符串。字符串匹配就是基于最简单的字符比较，其中的模式串就是普通字符串，所做匹配是在目标串里查找等于模式串的子串。也就是说，比较的一方是表示模式的字符串，另一方是目标字符串的所有可能子串。我们常用的就是朴素的串匹配算法和无回溯串匹配算法（KMP算法）。

03

算法 | KMP字符串匹配

Python字符串str是在Python编写程序过程中，最常见的一种基本数据类型。字符串是许多单个子串组成的序列，其主要是用来表示文本。字符串是不可变数据类型，也就是说你要改变原字符串内的元素，只能是新建另一个字符串。字符串匹配就是基于最简单的字符比较，其中的模式串就是普通字符串，所做匹配是在目标串里查找等于模式串的子串。也就是说，比较的一方是表示模式的字符串，另一方是目标字符串的所有可能子串。我们常用的就是朴素的串匹配算法和无回溯串匹配算法（KMP算法）。

02

Go：移除特定子字符串及其后续内容

在开始之前，请确保我们的开发环境已经安装了Go语言环境。你可以在Go的官方网站下载并安装。另外，本文假设已经有一定的Go语言基础，能够理解基本的语法和操作。

03

Python-字符串的世界

在Python编程中，字符串（String）是一种非常重要的数据类型，用于表示文本信息。字符串可以包含字母、数字、特殊字符以及空格，它们在编程中被广泛用于文本处理、格式化输出、字符串匹配等各种场景。

02

别用 KMP 了， Rabin-Karp 算法了解下？

经常有读者留言，请我讲讲那些比较经典的算法，我觉得有这个必要，主要有以下原因： 1、经典算法之所以经典，一定是因为有独特新颖的设计思想，那当然要带大家学习一波。 2、我会尽量从最简单、最基本的算法切入，带你亲手推导出来这些经典算法的设计思想，自然流畅地写出最终解法。一方面消除大多数人对算法的恐惧，另一方面可以避免很多人对算法死记硬背的错误习惯。我之前用状态机的思路讲解了 KMP 算法，说实话 KMP 算法确实不太好理解。不过今天我来讲一讲字符串匹配的另一种经典算法：Rabin-Karp 算法，这是一个很简单优雅的算法。本文会由浅入深地讲明白这个算法的核心思路，先从最简单的字符串转数字讲起，然后研究一道力扣题目，到最后你就会发现 Rabin-Karp 算法使用的就是滑动窗口技巧，直接套前文讲的滑动窗口算法框架就出来了，根本不用死记硬背。废话不多说了，直接上干货。首先，我问你一个很基础的问题，给你输入一个字符串形式的正整数，如何把它转化成数字的形式？很简单，下面这段代码就可以做到： string s = "8264"; int number = ; for (int i = ; i < s.size(); i++) { // 将字符转化成数字 number = * number + (s[i] - '0'); print(number); } // 打印输出： // 8 // 82 // 826 // 8264 可以看到这个算法的核心思路就是不断向最低位（个位）添加数字，同时把前面的数字整体左移一位（乘以 10）。为什么是乘以 10？因为我们默认探讨的是十进制数。这和我们操作二进制数的时候是一个道理，左移一位就是把二进制数乘以 2，右移一位就是除以 2。上面这个场景是不断给数字添加最低位，那如果我想删除数字的最高位，怎么做呢？比如说我想把 8264 变成 264，应该如何运算？其实也很简单，让 8264 减去 8000 就得到 264 了。这个 8000 是怎么来的？是 8 x 10^3 算出来的。8 是最高位的数字，10 是因为我们这里是十进制数，3 是因为 8264 去掉最高位后还剩三位数。上述内容主要探讨了如何在数字的最低位添加数字以及如何删除数字的最高位，用R表示数字的进制数，用L表示数字的位数，就可以总结出如下公式： /* 在最低位添加一个数字 */ int number = ; // number 的进制 int R = ; // 想在 number 的最低位添加的数字 int appendVal = ; // 运算，在最低位添加一位 number = R * number + appendVal; // 此时 number = 82643 /* 在最高位删除一个数字 */ int number = ; // number 的进制 int R = ; // number 最高位的数字 int removeVal = ; // 此时 number 的位数 int L = ; // 运算，删除最高位数字 number = number - removeVal * R^(L-); // 此时 number = 264 如果你能理解这两个公式，那么 Rabin-Karp 算法就没有任何难度，算法就是这样，再高大上的技巧，都是在最简单最基本的原理之上构建的。不过在讲 Rabin-Karp 算法之前，我们先来看一道简单的力扣题目。高效寻找重复子序列看下力扣第 187 题「重复的 DNA 序列」，我简单描述下题目： DNA 序列由四种碱基A, G, C, T组成，现在给你输入一个只包含A, G, C, T四种字符的字符串s代表一个 DNA 序列，请你在s中找出所有重复出现的长度为 10 的子字符串。比如下面的测试用例：输入：s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT" 输出：["AAAAACCCCC","CCCCCAAAAA"] 解释：子串 "AAAAACCCCC" 和 "CCCCCAAAAA" 都重复出现了两次。输入：s = "AAAAAAAAAAAAA" 输出：["AAAAAAAAAA"] 函数签名如下： List<String> findRepeatedDnaSequences(String s); 这道题的拍脑袋解法比较简单粗暴，我直接穷举所有长度为 10 的子串，然后借助哈希集合寻找那些重复的子串就行了，代码如下： // 暴力解法 List<String> findRepeatedDnaSequences(String s) { int n = s.length(); // 记录出现过的子串 HashSet<String> seen = new HashSet(); // 记录那些重复出现多次的子串 // 注

02

pandas处理字符串方法汇总

字符串是一种常见的数据类型，我们遇到的文本、json数据等都是属于字符串的范畴。Python内置了很多处理字符串的方法，这些方法为我们处理和清洗数据提供了很大的便利。

02

图文并茂！字符串匹配之Sunday、KMP和BM算法入门级讲解

字符串的模式匹配是NLP领域的基础任务，可以帮助我们在大量的文本内容中快速找到需要的文本信息，比如在文章中搜索关键词的位置和数量。

02

对字符串匹配算法的一点理解

| 导语字符串匹配算法通常分为两个步骤：预处理（Preprocessing）和匹配（Matching）。所以算法的总运行时间为预处理和匹配的时间的总和。 1.明确你的目标是算法选择最重要的事文本匹配算法有很多，按照匹配模式串的个数，通常分为单模匹配和多模匹配，根据匹配的精确程度，可以分为精确匹配和模糊匹配。无论是单模还是多模，精确抑或模糊，都是由最简单的暴力匹配算法作为基础，通过一点点微小进步，缓慢的优化拓展出来的，一系列基于特定数据结构的算法集合。除了作为字符串匹配算法之源头的暴力匹配算法外，其余

05

编程小短文：Bash子字符串还在用==？试试=~，性能瞬间飙升100倍！

Bash 不但是系统管理员与内核交互的利器，且是一种语言，可以编写大多数系统的自动化脚本，用于简化运维工作。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭