Pandas DataFrame nach Teilstring-Kriterien filtern

Question

Ich habe ein Pandas DataFrame mit einer Spalte von String-Werten. Ich muss Zeilen basierend auf partiellen String-Übereinstimmungen auswählen.

So etwas wie diese Redewendung:

re.search(pattern, cell_in_question) 

einen booleschen Wert zurückgibt. Ich bin vertraut mit der Syntax von df[df['A'] == "hello world"] aber ich kann keine Möglichkeit finden, dasselbe mit einer teilweisen Zeichenkettenübereinstimmung zu tun, z. B. 'hello' .

Answer 1

Sollten Sie eine Groß- und Kleinschreibung wird nicht berücksichtigt Suche nach einer Zeichenkette in einer Pandas-Dataframe-Spalte:

df[df['A'].str.contains("hello", case=False)]

Answer 2

Angenommen, Sie haben Folgendes DataFrame :

>>> df = pd.DataFrame([['hello', 'hello world'], ['abcd', 'defg']], columns=['a','b'])
>>> df
       a            b
0  hello  hello world
1   abcd         defg

Sie können jederzeit die in Operator in einem Lambda-Ausdruck, um Ihren Filter zu erstellen.

>>> df.apply(lambda x: x['a'] in x['b'], axis=1)
0     True
1    False
dtype: bool

Der Trick dabei ist die Verwendung der axis=1 Option in der apply um Elemente zeilenweise an die Lambda-Funktion zu übergeben, im Gegensatz zu spaltenweise.

Answer 3

Sie können versuchen, sie als String zu betrachten:

df[df['A'].astype(str).str.contains("Hello|Britain")]

Answer 4

Angenommen, wir haben eine Spalte namens "ENTITY" im Datenrahmen df . Wir können unsere df ,um den gesamten Datenrahmen zu haben df , wobei die Zeilen der Spalte "Entität" nicht "DM" enthalten, indem eine Maske wie folgt verwendet wird:

mask = df['ENTITY'].str.contains('DM')

df = df.loc[~(mask)].copy(deep=True)

Answer 5

Hier ist, was ich am Ende tun für teilweise Zeichenfolge Übereinstimmungen. Wenn jemand einen effizienteren Weg, dies zu tun hat, lassen Sie mich bitte wissen.

def stringSearchColumn_DataFrame(df, colName, regex):
    newdf = DataFrame()
    for idx, record in df[colName].iteritems():

        if re.search(regex, record):
            newdf = concat([df[df[colName] == record], newdf], ignore_index=True)

    return newdf