如何修正Pandas代码实现两列字符串的部分匹配判定？

原代码存在的问题 #

1. 未导入re模块，调用re.compile和re.search会抛出NameError。
2. 匹配逻辑仅单向检查col2是否包含完整的col1字符串，无法覆盖两列存在共同子串的场景（比如第一行的数字部分匹配）。

方案1：通用双向部分匹配 #

适用于只要两列字符串存在有效重叠子串（或一方是另一方子串）即判定匹配的场景：

import pandas as pd
import re  # 补充导入re模块

data_in = {'col1': ['BANQ1049576495', 'HLCUSEL221162979', 'SEL1469779'],
           'col2': ['KNKX1049576495', 'SEL221162979', 'KROL1020107403']}
df_input = pd.DataFrame(data_in)

def compare_func(row):
    col1_val = row['col1']
    col2_val = row['col2']
    
    # 检查双向子串包含
    if col2_val in col1_val or col1_val in col2_val:
        return 'Match'
    
    # 提取数字部分检查是否完全匹配（覆盖第一行场景）
    num1 = ''.join(re.findall(r'\d+', col1_val))
    num2 = ''.join(re.findall(r'\d+', col2_val))
    if num1 == num2:
        return 'Match'
    
    return 'Mismatch'

df_input['col3'] = df_input.apply(compare_func, axis=1)
print(df_input)

方案2：针对数字部分的精准匹配 #

如果你的匹配逻辑仅关注字符串中的数字部分是否一致，可使用更简洁的实现：

import pandas as pd
import re

data_in = {'col1': ['BANQ1049576495', 'HLCUSEL221162979', 'SEL1469779'],
           'col2': ['KNKX1049576495', 'SEL221162979', 'KROL1020107403']}
df_input = pd.DataFrame(data_in)

def compare_func(row):
    # 提取并拼接字符串中的所有数字
    extract_num = lambda s: ''.join(re.findall(r'\d+', s))
    return 'Match' if extract_num(row['col1']) == extract_num(row['col2']) else 'Mismatch'

df_input['col3'] = df_input.apply(compare_func, axis=1)
print(df_input)

最终输出结果 #

两种方案运行后，df_input的col3列均符合期望：

col1               col2      col3
0  BANQ1049576495    KNKX1049576495     Match
1  HLCUSEL221162979    SEL221162979     Match
2       SEL1469779  KROL1020107403  Mismatch

内容的提问来源于stack exchange，提问作者Dew