我想找到一种方法,使用类似于dplyr包的东西在Python中从R重新创建相同的命令代码。在R中,我会这样做:
library(dplyr)
df <- data.frame(Countries=c('Brazil','Venezuela','Brazil, Colombia, Paraguay','Argentina','Peru','Andorra,Argentina,Chile,Uruguay'),
Code=c(1,2,3,4,5,6))
df %>% filter(grepl('(Brazil|Argentina)',Countries))
甚至:
a=strsplit(as.character(df$Countries),',')
a=lapply(a,FUN=function(t) gsub(" ","",t))
ele=unlist(lapply(a,FUN=function(t) any(t%in%c('Brazil','Argentina'))))
(df[ele,])
我想要的输出:
Countries Code
1 Brazil 1
2 Brazil, Colombia, Paraguay 3
3 Argentina 4
4 Argentina,Chile,Uruguay 6
在Python中,我尝试过:
import pandas as pd
df = pd.DataFrame(dict(Countries=['Brazil','Venezuela','Brazil, Colombia, Paraguay','Argentina','Peru','Andorra,Argentina,Chile,Uruguay'], Code=[1,2,3,4,5,6]))
list_=['Brazil','Argentina']
print(df.loc[df['Countries'].isin(list_)])
但输出看起来像:
Countries Code
0 Brazil 1
3 Argentina 4
看起来您正在寻找具有对象dtype
的pd.Series
的.str
扩展(本质上,您可以为panda函数的子集调用pd.Series.str....
,专门用于处理正则表达式和其他基于string
的操作-但是,这仅在数组为dtype"object"时有效。
mask = df["Countries"].str.contains("Brazil|Argentina")
subset = df.loc[mask]
print(subset)
Countries Code
0 Brazil 1
2 Brazil, Colombia, Paraguay 3
3 Argentina 4
5 Andorra,Argentina,Chile,Uruguay 6
使用它的一种巧妙方法是,在list_
变量上使用.join
函数,将其连接到正则表达式匹配模式可用的单个字符串中。
list_=['Brazil','Argentina']
pattern = "|".join(list_) # Now we have "Brazil|Argentina" as a string
mask = df["Countries"].str.contains(pattern)
subset = df.loc[mask] # Same subset as the previous example
参见文档中除.str.contains
之外的文档和其他方法https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.str.html