如何在panda中测试字符串是否包含列表中的某个子字符串

Question

是否有等效于df.isin()和df[col].str.contains()组合的函数？

例如，假设我有这个系列s = pd.Series(['cat','hat','dog','fog','pet'])，我想找到s包含任何['og', 'at']的所有地方，我想得到除了"宠物"之外的所有东西。

我有一个解决方案，但它相当不雅：

searchfor = ['og', 'at']
found = [s.str.contains(x) for x in searchfor]
result = pd.DataFrame[found]
result.any()

有更好的方法吗？

Answer 1

一个选项就是使用正则表达式|字符来尝试匹配系列s中单词中的每个子字符串（仍使用str.contains）。

您可以通过将searchfor中的单词与|: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在下面的评论中所指出的，请注意您的子字符串是否有特殊字符，如$和^，您希望从字面上匹配它们。这些字符在正则表达式的上下文中具有特定的含义，并将影响匹配。

通过使用re.escape:转义非字母数字字符，可以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']

当与str.contains一起使用时，此新列表中的字符串将与每个字符完全匹配。

Answer 2

您可以单独使用str.contains和使用OR (|):的正则表达式模式

s[s.str.contains('og|at')]

或者，您可以将该系列添加到dataframe，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 

Answer 3

这里有一个单行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Lambda:

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

Answer 4

也有同样的问题。在不使其过于复杂的情况下，您可以在每个条目之间添加|，就像fieldname.str.contains("cat|dog")工作于