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.contains
regex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。