我做了一些搜索,不知道如何过滤一个数据框架
df["col"].str.contains(word)
然而,我想知道是否有一种方法可以做相反的事情:通过该集合的赞美来过滤数据帧。例:效果是
!(df["col"].str.contains(word))
这可以通过DataFrame方法来完成吗?
我做了一些搜索,不知道如何过滤一个数据框架
df["col"].str.contains(word)
然而,我想知道是否有一种方法可以做相反的事情:通过该集合的赞美来过滤数据帧。例:效果是
!(df["col"].str.contains(word))
这可以通过DataFrame方法来完成吗?
当前回答
你可以使用Apply和Lambda:
df[df["col"].apply(lambda x: word not in x)]
或者如果你想定义更复杂的规则,你可以使用AND:
df[df["col"].apply(lambda x: word_1 not in x and word_2 not in x)]
其他回答
除了nanselm2的答案,你可以用0代替False:
df["col"].str.contains(word)==0
我也遇到了不(~)符号的麻烦,所以这里是另一个StackOverflow线程的另一种方式:
df[df["col"].str.contains('this|that')==False]
你可以使用Apply和Lambda:
df[df["col"].apply(lambda x: word not in x)]
或者如果你想定义更复杂的规则,你可以使用AND:
df[df["col"].apply(lambda x: word_1 not in x and word_2 not in x)]
在使用上面安迪推荐的命令之前,我必须去掉NULL值。一个例子:
df = pd.DataFrame(index = [0, 1, 2], columns=['first', 'second', 'third'])
df.ix[:, 'first'] = 'myword'
df.ix[0, 'second'] = 'myword'
df.ix[2, 'second'] = 'myword'
df.ix[1, 'third'] = 'myword'
df
first second third
0 myword myword NaN
1 myword NaN myword
2 myword myword NaN
现在运行命令:
~df["second"].str.contains(word)
我得到以下错误:
TypeError: bad operand type for unary ~: 'float'
我先用dropna()或fillna()摆脱了NULL值,然后重试该命令,没有问题。
为了补充上面的问题,如果有人想删除所有带字符串的行,可以这样做:
df_new=df[~df['col_name'].apply(lambda x: isinstance(x, str))]