如何在Pandas中提取两个DataFrame列间的最长公共子串？

解决步骤 #

• 导入difflib.SequenceMatcher和pandas模块
• 封装单个字符串对的最长公共子串提取逻辑为函数
• 遍历两个DataFrame的对应行，批量生成目标列

完整代码示例 #

import pandas as pd
from difflib import SequenceMatcher

# 定义提取最长公共子串的函数
def get_longest_common_substring(s1, s2):
    match = SequenceMatcher(None, s1, s2).find_longest_match(0, len(s1), 0, len(s2))
    # 处理无匹配的边界情况，返回空字符串
    return s1[match.a: match.a + match.size] if match.size > 0 else ""

# 创建示例DataFrame
df_a = pd.DataFrame({"String": ["012IREze", "SecondString", "LastEntry"]})
df_b = pd.DataFrame({"String": ["IREPP", "StringNumber2", "LastEntry123"]})

# 新增目标列：逐对处理两个DataFrame的对应行字符串
df_a["Common String"] = [get_longest_common_substring(s1, s2) for s1, s2 in zip(df_a["String"], df_b["String"])]

print(df_a)

输出结果 #

String Common String
0     012IREze           IRE
1  SecondString         String
2    LastEntry      LastEntry

关键说明 #

• 函数get_longest_common_substring复用了你提供的SequenceMatcher逻辑，新增了无匹配时的容错处理
• 使用zip同步遍历两个DataFrame的String列，确保每行字符串对应匹配
• 最终直接在df_a中生成目标列，完全符合你给出的示例需求

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