如何通过正则表达式过滤熊猫行

我想在其中一列上使用正则表达式干净地过滤数据框架。

举个例子:

In [210]: foo = pd.DataFrame({'a' : [1,2,3,4], 'b' : ['hi', 'foo', 'fat', 'cat']})
In [211]: foo
Out[211]: 
   a    b
0  1   hi
1  2  foo
2  3  fat
3  4  cat

我想用正则表达式将行过滤为以f开头的行。第一:

In [213]: foo.b.str.match('f.*')
Out[213]: 
0    []
1    ()
2    ()
3    []

这不是很有用。然而，这将得到我的布尔索引:

In [226]: foo.b.str.match('(f.*)').str.len() > 0
Out[226]: 
0    False
1     True
2     True
3    False
Name: b

所以我可以通过以下方式进行限制:

In [229]: foo[foo.b.str.match('(f.*)').str.len() > 0]
Out[229]: 
   a    b
1  2  foo
2  3  fat

这让我人为地把一个组放入正则表达式中，这似乎不是一个干净的方法。还有更好的办法吗?

当前回答

这可能有点晚，但现在在Pandas中通过调用Series.str.match更容易做到这一点。文档解释了match, fullmatch和contains之间的区别。

注意，为了将结果用于索引，请设置na=False参数(如果想在结果中包含nan，则设置True)。

2015-12-08 02:57:03

其他回答

使用str切片

foo[foo.b.str[0]=='f']
Out[18]: 
   a    b
1  2  foo
2  3  fat

2018-12-30 03:12:39

已经有一个字符串处理函数Series.str.startswith()。你应该试试foo[foo.b.s str. startwith ('f')]。

结果:

    a   b
1   2   foo
2   3   fat

我想你所期望的。

或者，您可以使用包含正则表达式选项。例如:

foo[foo.b.str.contains('oo', regex= True, na=False)]

结果:

    a   b
1   2   foo

na=False是为了防止在nan, null等值的情况下出现错误

2017-06-02 18:57:45

这可能有点晚，但现在在Pandas中通过调用Series.str.match更容易做到这一点。文档解释了match, fullmatch和contains之间的区别。

注意，为了将结果用于索引，请设置na=False参数(如果想在结果中包含nan，则设置True)。

2015-12-08 02:57:03

你可以将query和contains结合使用:

foo.query('b.str.contains("^f").values')

或者你也可以使用startwith:

foo.query('b.str.startswith("f").values')

但是我更喜欢第一种选择，因为它允许您使用|操作符搜索多个模式。

2022-04-23 18:52:58

使用dataframe进行多列搜索:

frame[frame.filename.str.match('*.'+MetaData+'.*') & frame.file_path.str.match('C:\test\test.txt')]

2015-06-26 15:10:26

如何通过正则表达式过滤熊猫行

推荐文章

最新文章

标签