问题:如何在大熊猫中测试字符串是否包含列表中的子字符串之一?
有没有这将是一个组合的等同的任何功能df.isin()和df[col].str.contains()?
例如,假设我有系列
 s = pd.Series(['cat','hat','dog','fog','pet']),并且我想找到s包含的任何一个的所有地方['og', 'at'],那么我想得到除“宠物”以外的所有东西。
我有一个解决方案,但这很不雅致:
searchfor = ['og', 'at']
found = [s.str.contains(x) for x in searchfor]
result = pd.DataFrame[found]
result.any()有一个更好的方法吗?
回答 0
一种选择是仅使用正则表达式|字符尝试匹配系列中单词中的每个子字符串s(仍使用str.contains)。
您可以通过将单词searchfor与结合在一起来构造正则表达式|:
>>> searchfor = ['og', 'at']
>>> s[s.str.contains('|'.join(searchfor))]
0    cat
1    hat
2    dog
3    fog
dtype: object就像@AndyHayden在下面的注释中指出的那样,请注意您的子字符串是否具有特殊字符,例如$和^您想在字面上进行匹配。这些字符在正则表达式的上下文中具有特定含义,并且会影响匹配。
您可以通过转义非字母数字字符来使子字符串列表更安全re.escape:
>>> import re
>>> matches = ['$money', 'x^y']
>>> safe_matches = [re.escape(m) for m in matches]
>>> safe_matches
['\\$money', 'x\\^y']与结合使用时,此新列表中带有的字符串将逐字匹配每个字符str.contains。
回答 1
您可以使用str.containsregex模式单独使用OR (|):
s[s.str.contains('og|at')]或者您可以将系列添加到,dataframe然后使用str.contains:
df = pd.DataFrame(s)
df[s.str.contains('og|at')] 输出:
0 cat
1 hat
2 dog
3 fog 回答 2
这是一个单行lambda,它也可以工作:
df["TrueFalse"] = df['col1'].apply(lambda x: 1 if any(i in x for i in searchfor) else 0)输入:
searchfor = ['og', 'at']
df = pd.DataFrame([('cat', 1000.0), ('hat', 2000000.0), ('dog', 1000.0), ('fog', 330000.0),('pet', 330000.0)], columns=['col1', 'col2'])
   col1  col2
0   cat 1000.0
1   hat 2000000.0
2   dog 1000.0
3   fog 330000.0
4   pet 330000.0应用Lambda:
df["TrueFalse"] = df['col1'].apply(lambda x: 1 if any(i in x for i in searchfor) else 0)输出:
    col1    col2        TrueFalse
0   cat     1000.0      1
1   hat     2000000.0   1
2   dog     1000.0      1
3   fog     330000.0    1
4   pet     330000.0    0
	声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。

