2个dataframe 各一列数据取有包含关系的

如果你想要找到两个DataFrame各自的一列数据中有包含关系的数据，可以使用str.contains()方法来实现。下面是一个示例代码：

import pandas as pd

# 创建两个DataFrame
df1 = pd.DataFrame({'A': ['apple', 'orange', 'banana', 'pear']})
df2 = pd.DataFrame({'B': ['pineapple', 'orange juice', 'banana smoothie', 'pear cider']})

# 使用str.contains()方法查找有包含关系的数据
result = df1[df1['A'].str.contains('|'.join(df2['B'].tolist()))]

# 输出结果
print(result)

这段代码中，我们首先创建了两个DataFrame，其中df1有一列数据为['apple', 'orange', 'banana', 'pear']，df2有一列数据为['pineapple', 'orange juice', 'banana smoothie', 'pear cider']。我们使用str.contains()方法查找df1中有哪些数据包含在df2的数据中，最后将结果打印出来。在本例中，结果为：

        A
1  orange
2  banana
3    pear

可以看到，结果中包含了df1中的所有数据，因为它们都能在df2中找到包含它们的数据。

相关问题

dataframe增加一列数据

在Python中使用pandas库创建DataFrame对象，可以方便地对数据进行处理和操作。当需要向DataFrame中增加一列数据时，可以使用赋值的方式给DataFrame添加新的列，举例如下：

假设有如下DataFrame对象df：

import pandas as pd

data = {'name':['David', 'Alice', 'Bob', 'Charlie'],
        'age':[25, 32, 18, 47],
        'gender':['M', 'F', 'M', 'M']}

df = pd.DataFrame(data)

现在，我们需要在df中增加一列score，其值为[85, 90, 70, 95]，可以通过以下代码实现：

new_column = [85, 90, 70, 95]
df['score'] = new_column

分析代码可知，先定义了一个列表new_column，里面包含需要添加的新列数据。然后使用df['score'] = new_column这行代码进行赋值，其中score为新列的列名。

此时，DataFrame对象df就新增了一列score，最终结果为：

    name  age gender  score
0  David   25      M     85
1  Alice   32      F     90
2    Bob   18      M     70
3  Charlie 47      M     95

pandas dataframe 将一列数据插入到一个dataframe对象的指定列

可以使用以下代码将一列数据插入到指定列中：

import pandas as pd

# 创建一个dataframe对象
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(df)

# 定义要插入的列数据
new_col = [7, 8, 9]

# 插入数据到指定列
df.insert(loc=1, column='C', value=new_col)
print(df)

在上述代码中，我们首先创建了一个名为`df`的dataframe对象，其中包含两列数据`A`和`B`。然后，我们定义一个包含新列数据的列表`new_col`，并使用`insert()`函数将其插入到了`df`对象的第二列（位置`1`）中，新的列名为`C`。最后，我们打印了修改后的dataframe对象。