如何提取双列均匹配另一DataFrame子串的DataFrame行

嘿，我来帮你搞定这个pandas筛选的需求！下面是具体的实现步骤和代码：

首先确保已经导入pandas库，然后把你给出的两个DataFrame创建出来（这里把int改成int_df啦，避免和Python内置的int类型冲突）：

import pandas as pd

int_df = pd.DataFrame({'domain1':['ABC.6','GF53.7','SDC78.12','GGH7T.64'], 
                       'domain2': ['UI76.89','76TH3.2','YU1QW.45','BY76.12']})

doms = pd.DataFrame({'domains':['GF53','VB96','UI76','GGH7T','BY76','ABC','SDC78']})

把doms里的域名子串转成集合，这样后续检查子串是否存在的效率会更高：

domain_subs = set(doms['domains'])

咱们需要判断每个单元格的字符串是否包含集合里的任意一个子串，用lambda表达式就能轻松实现：

has_valid_sub = lambda s: any(sub in s for sub in domain_subs)

对int_df的domain1和domain2列分别应用上面的判断逻辑，只保留两列都满足条件的行：

result = int_df[int_df['domain1'].apply(has_valid_sub) & int_df['domain2'].apply(has_valid_sub)]

运行代码后打印result，就能得到你想要的输出：

domain1   domain2
0      ABC.6  UI76.89
3  GGH7T.64  BY76.12

小提示 #

• 用集合而不是列表来存储子串，是因为集合的成员查找操作比列表快得多，数据量大的时候优势更明显。
• 变量名尽量避开Python的内置关键字/类型，比如原来的int就容易引发潜在问题，换成int_df这类命名会更安全清晰。

内容的提问来源于stack exchange，提问作者Saad Zaheer