如何按正则表达式筛选pandas中的行

Question

我想在其中一列上使用正则表达式干净地过滤数据帧。

举一个人为的例子：

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

我想使用正则表达式过滤以f开头的行。第一次去：

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

那不是太有用。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

所以我可以这样做我的限制：

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

这让我人为地把一组人加入正则表达式，似乎这不是一个干净的方法。有更好的方法吗？

Answer 1

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。文档解释了匹配、FullMatch和包含之间的区别。

请注意，要使用结果编制索引，请设置na=False参数（如果要在结果中包含nan，请设置True）。

Answer 2

已经有一个字符串处理函数Series.str.startswith（）。您应该尝试foo[foo.b.str.startswith（'f'）]。

结果：

    a   b
1   2   foo
2   3   fat

我认为你所期望的。

或者，您可以将contains与regex一起使用。例如：

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

结果：

    a   b
1   2   foo

na=False用于在存在nan、null等值时防止出现错误

Answer 3

而是使用包含：

In [10]: df.b.str.contains('^f')
Out[10]: 
0    False
1     True
2     True
3    False
Name: b, dtype: bool