假設我們有兩個資料框：
df1 = pd.DataFrame({
0: 'ETERNITON',
1: 'CIELOON',
2: 'M.DIASBRANCOON',
3: 'IRBBRASIL REON',
4: '01/00 ATACAD?O S.A ON',
5: 'AMBEV S/A ON',
6: '01/00 RUMO S.A. ON',
7: 'COGNA ONON',
8: 'CURY S/A'}.items(), columns=['index', 'name']).set_index('index')
df2 = pd.DataFrame({'name': {0: 'ALLIARON', 1: 'M.DIASBRANCOON', 2: 'AMBEVS/AON', 3: 'CIELOON',
4: 'AESBRASILON', 5: 'BRASILAGROON', 6: 'IRBBRASILREON', 7: 'ATACAD?OS.AON', 8: 'ALPARGATASON',
9: 'RUMOS.A.ON', 10: 'COGNAONON'},
'yf_ticker': {0: 'AALR3.SA', 1: 'MDIA3.SA', 2: 'ABEV3.SA', 3: 'CIEL3.SA', 4: 'AESB3.SA',
5: 'AGRO3.SA', 6: 'IRBR3.SA', 7: 'CRFB3.SA', 8: 'ALPA3.SA', 9: 'RAIL3.SA', 10: 'COGN3.SA'}})
我想使用 df2 中的“yf_ticker”列在 df1 中創建一個新列（“ticker”）。如果在名稱/字串df2['yf_ticker']是df1['name']（即使它不是一個完全匹配），然后從DF2添加yf_ticker到該行df1['ticker']。為了清楚起見，預期的輸出將類似于：
print(df1)
name ticker
ETERNITON Missing or N/A or Nan
CIELOON CIEL3.SA
M.DIASBRANCOON MDIA3.SA
IRBBRASIL REON IRBR3.SA
01/00 ATACAD?O S.A ON CRFB3.SA
AMBEV S/A ON ABEV3.SA
01/00 RUMO S.A. ON RAIL3.SA
COGNA ONON COGN3.SA
CURY S/A Missing or N/A or Nan
我試過的解決方案：
df1['name'] = df1['name'].str.replace(" ","")
for i in range(len(df1)):
for j in range(len(df2)):
if df2.iloc[j,0] in df1.iloc[i,0]:
df1.loc[i, 'ticker'] = df2.iloc[j,1]
盡管它有效，但在我看來，對于較大資料集的這種 for 回圈效率低下。有沒有更快（或“矢量化”）的方法來做到這一點？
uj5u.com熱心網友回復：
我建議對name列進行模糊匹配，然后yf_ticker從匹配的行中獲取。這是一個帶有 python 內置的示例difflib：
import difflib
df1['yf_ticker'] = df1['name'].apply(lambda x: df2.loc[df2['name'] == y[0], 'yf_ticker'].iloc[0] if (y := (difflib.get_close_matches(x, df2.name))) else None)
輸出：
| 指數 | 名稱 | yf_ticker |
|---|---|---|
| 0 | 埃特尼通 | |
| 1 | 雪龍 | CIEL3.SA |
| 2 | 迪亞斯布蘭昆 | MDIA3.SA |
| 3 | 巴西雷昂 | IRBR3.SA |
| 4 | 01/00 ATACAD?O SA ON | CRFB3.SA |
| 5 | AMBEV S/A 開 | ABEV3.SA |
| 6 | 01/00 RUMO SA ON | RAIL3.SA |
| 7 | 康乃馨 | COGN3.SA |
| 8 | 庫里 S/A |
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/386220.html