Python-如何在pandas中测试字符串是否包含列表中的子字符串之一？

Question

有没有这将是一个组合的等同的任何功能df.isin()和df[col].str.contains()？

例如，假设我有系列 s = pd.Series(['cat','hat','dog','fog','pet'])，并且我想找到s包含的任何一个的所有地方['og', 'at']，那么我想得到除“宠物”以外的所有东西。

我有一个解决方案，但这很不雅致：

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

有一个更好的方法吗？

Answer 1

一种选择是仅使用正则表达式|字符尝试匹配系列中单词中的每个子字符串s（仍使用str.contains）。

你可以通过将单词searchfor与结合在一起来构造正则表达式|：

>>> searchfor = ['og', 'at']
>>> s[s.str.contains('|'.join(searchfor))]
0    cat
1    hat
2    dog
3    fog
dtype: object

就像@AndyHayden在下面的注释中指出的那样，请注意你的子字符串是否具有特殊字符，例如$和^你想在字面上进行匹配的字符。这些字符在正则表达式的上下文中具有特定含义，并且会影响匹配。

你可以通过转义非字母数字字符来使子字符串列表更安全re.escape：

>>> import re
>>> matches = ['$money', 'x^y']
>>> safe_matches = [re.escape(m) for m in matches]
>>> safe_matches
['\\$money', 'x\\^y']

与结合使用时，此新列表中带有的字符串将逐字匹配每个字符str.contains。