Python实现同列行迭代：查找最匹配字符串并生成结果表

我们可以通过将每行字符串转换为集合，利用集合交集操作快速计算匹配项数量，再遍历完成统计，代码实现如下：

import pandas as pd

# 初始化输入DataFrame
data = [[1, 'AA,AC,BC,DE'], [2, 'AA,AD,BC,D'], [3, 'A,C,BC,E'],[4, 'AA,AC,BC,DEEE'],[5, 'KK']]
df = pd.DataFrame(data, columns=['rowid', 'Col1'])

# 将Col1的逗号分隔字符串转为集合，方便后续计算交集
df['col_set'] = df['Col1'].str.split(',').apply(set)

# 初始化结果列
df['max_matching#'] = 0
df['Rowid'] = 'NA'

# 遍历每一行，计算与其他行的匹配数
for idx, row in df.iterrows():
    current_set = row['col_set']
    match_counts = {}
    # 跳过自身，遍历其他行
    for other_idx, other_row in df.iterrows():
        if idx == other_idx:
            continue
        intersection = current_set & other_row['col_set']
        match_counts[other_row['rowid']] = len(intersection)
    
    if not match_counts:
        continue
    
    # 提取最大匹配数及对应的rowid
    max_count = max(match_counts.values())
    max_rowids = [str(rid) for rid, cnt in match_counts.items() if cnt == max_count]
    
    # 更新结果
    df.loc[idx, 'max_matching#'] = max_count
    df.loc[idx, 'Rowid'] = ','.join(max_rowids)

# 整理为目标格式
df_out = df.drop('col_set', axis=1)[['rowid', 'Col1', 'max_matching#', 'Rowid']]
print(df_out)

代码说明 #

• 转换集合：把Col1的字符串转为集合，集合的交集操作能高效算出两行的匹配项数量。
• 遍历统计：对每行遍历其他所有行，记录每个rowid对应的匹配项数量。
• 提取结果：找出当前行的最大匹配数，收集所有达到该数值的rowid并格式化为逗号分隔字符串。
• 整理输出：移除辅助列，调整列顺序得到目标DataFrame。

内容的提问来源于stack exchange，提问作者san1