如何匹配员工地址与办公地点并提取employee_id与location？

现有两个Pandas DataFrame：
办公地点数据：

import pandas as pd

office = pd.DataFrame({'office_id': [1,2,3],
                    'location': ['Denver','Sacramento','Phoenix']})

员工数据（注意修正原代码中employee_id的格式，需改为字符串）：

employee = pd.DataFrame({'employee_id': ['A1','B3','C2','D2'],
                       'name':['Anthony','Benjamin','Charles','Daniel'],
                    'address': ['123, Sacramento, California','Denver456, Colorado','Phoenix, Arizona','789 Dover']})  

需求是从员工地址中匹配对应的办公地点，提取符合条件的employee_id和location，预期结果如下：

employee_id  location
A1           Sacramento
B3           Denver
C2           Phoenix

解决方案 #

你之前的代码仅判断了地址是否包含办公地点，但未提取具体匹配的地点，以下两种方法可以解决这个问题：

方法一：使用apply自定义匹配函数

先提取办公地点列表，再通过自定义函数遍历地址，返回匹配的地点：

# 获取所有办公地点
office_locs = office['location'].tolist()

# 定义函数：从地址中提取匹配的办公地点
def match_location(address):
    for loc in office_locs:
        if loc in address:
            return loc
    return None

# 给employee新增匹配到的办公地点列
employee['location'] = employee['address'].apply(match_location)

# 过滤掉未匹配的记录，提取目标列
result = employee[employee['location'].notna()][['employee_id', 'location']]

方法二：使用正则表达式str.extract（更简洁）

将办公地点拼接成正则匹配模式，直接从地址中提取匹配项：

# 拼接正则匹配模式：匹配任意一个办公地点
loc_pattern = '|'.join(office['location'])

# 从地址中提取匹配的办公地点
employee['location'] = employee['address'].str.extract(f'({loc_pattern})', expand=False)

# 过滤并提取结果
result = employee[employee['location'].notna()][['employee_id', 'location']]

执行上述任意一种方法后，result就是你需要的预期结果。

内容的提问来源于stack exchange，提问作者Arthur