使用Pandas检查多列中的字符串是否显示在不同的列中

Question

我需要一个panda查询，检查名字、中间名或姓氏是否包含在全名中，并给我一个计数

我有这张桌子：

FULL_NAME    FIRST_NAME   LAST_NAME
Joe Bloggs   Joe          Bloggs
Greg                      Greg  
Larson       Larson       
Emily Sun       
Clara Zen       
Justin Tim   Justin        Tim

预期产量为：4

Answer 1

鉴于我们现在了解到只有完整的匹配项才应被计算在内，我们可以将其写成：

df['FULL_NAME'].eq((df['FIRST_NAME'] + ' ' + df['LAST_NAME']).str.strip()).sum()

输出：

4

请注意，我在原始答案中添加了.str.strip()，以涵盖在全名中仅指定第一个或仅指定姓氏的情况（在这些情况下，我们将从+ ' ' +中获得需要删除的前导/尾随空格）

Answer 2

我假设空白空间是“南”，或者可以很容易地做出它或类似的东西。空字符串将生成此代码的误报（因为它们包含在任何字符串中）

out=df.apply(lambda x: x['FIRST_NAME'] in x['FULL_NAME'] and x['LAST_NAME'] in x['FULL_NAME'],axis=1)
sum(out)

请参阅this问题，以了解有关列是彼此的子字符串的更多信息

Perl的注释看起来也是一个很好的答案，而且可能更快（很多事情都比apply快）。我还应该注意，根据数据的结构，我的代码可能会产生误报（例如，“Ti”的姓与“justintim”匹配）。此代码的好处是，如果您担心某些姓氏/名字可能已被切换。这将检测到匹配，即使我们正在寻找匹配“Tim Justin”

另一个可能有用的工具是pandas string splitting capabilities。这将允许您在某些指定字符处拆分全名，并根据字符串的组成部分执行操作。您甚至可以将列表扩展为多个新列，并与这些列进行比较