是否有任何函数相当于df.isin()和df[col].str.contains()的组合?
例如，假设我有一个级数 s = pd.Series(['cat'，'hat'，'dog'，'fog'，'pet'])，我想找到s包含任何['og'， 'at']的所有地方，我想要得到除了'pet'的所有东西。
我有一个解决方案，但它相当不优雅:
searchfor = ['og', 'at']
found = [s.str.contains(x) for x in searchfor]
result = pd.DataFrame[found]
result.any()
还有更好的办法吗?
一种选择是使用正则表达式|字符来尝试匹配Series s中的单词中的每个子字符串(仍然使用str.contains)。
你可以通过将搜索词与|连接来构造正则表达式:
>>> searchfor = ['og', 'at']
>>> s[s.str.contains('|'.join(searchfor))]
0 cat
1 hat
2 dog
3 fog
dtype: object
正如@AndyHayden在下面的评论中指出的，如果你的子字符串有特殊字符，如$和^，你想要逐字匹配。这些字符在正则表达式上下文中具有特定的含义，会影响匹配。
你可以使用re.escape转义非字母数字字符，使子字符串列表更安全:
>>> import re
>>> matches = ['$money', 'x^y']
>>> safe_matches = [re.escape(m) for m in matches]
>>> safe_matches
['\\$money', 'x\\^y']
当使用str.contains时，这个新列表中的字符串with将逐字匹配每个字符。
你可以使用OR(|)单独使用str.contains和正则表达式模式:
s[s.str.contains('og|at')]
或者你可以把这个序列添加到一个数据帧中，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
这里有一个一行的lambda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λ:
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
