如何用Pandas在DataFrame中查找子串并匹配另一DataFrame对应值

方法一：逐行匹配（适合小数据量） #

直接遍历df2的每一行内容，在df1里找到能匹配的子串，取出对应的C2值。

import pandas as pd

# 构建示例数据
df1 = pd.DataFrame({
    'C1': ['apple', 'grape', 'orange', 'cherry'],
    'C2': [5, 11, 7, 9]
})

df2 = pd.DataFrame({
    'Item': ['apple soda', 'cherry cola', 'grape juice', 'apple candy', 
             'bubblegum apple', 'orange citrus', 'funky grapefruit', 'sweet banana']
})

# 定义匹配逻辑
def get_c2(item):
    # 筛选出C1子串在当前Item里的行
    matched_row = df1[df1['C1'].apply(lambda x: x in item)]
    # 有匹配就返回C2值，没有就返回空
    return matched_row['C2'].iloc[0] if not matched_row.empty else None

# 生成新列C2
df2['C2'] = df2['Item'].apply(get_c2)

print(df2)

方法二：正则提取+字典映射（适合大数据量） #

用正则表达式从Item里提取出df1中的子串，再通过字典快速映射到C2值，效率比逐行循环高很多。

import pandas as pd

# 构建示例数据
df1 = pd.DataFrame({
    'C1': ['apple', 'grape', 'orange', 'cherry'],
    'C2': [5, 11, 7, 9]
})

df2 = pd.DataFrame({
    'Item': ['apple soda', 'cherry cola', 'grape juice', 'apple candy', 
             'bubblegum apple', 'orange citrus', 'funky grapefruit', 'sweet banana']
})

# 把所有C1的字符串拼成正则匹配模式
match_pattern = '|'.join(df1['C1'])
# 从Item中提取匹配的子串
df2['matched_c1'] = df2['Item'].str.extract(f'({match_pattern})', expand=False)

# 制作C1到C2的映射字典
c1_c2_map = df1.set_index('C1')['C2'].to_dict()
# 映射得到C2列，删除中间辅助列
df2['C2'] = df2['matched_c1'].map(c1_c2_map)
df2.drop('matched_c1', axis=1, inplace=True)

print(df2)

结果说明 #

运行代码后，df2会生成符合预期的C2列：匹配到子串的行对应df1的C2值，没有匹配的行（比如sweet banana）会显示NaN，和示例里的Null是等价的（pandas用NaN表示缺失值）。

内容的提问来源于stack exchange，提问作者Hazim