如何测试字符串是否包含列表中的子串之一，在熊猫？

Question

是否有任何函数可以等效于df.isin（）和df[coll]的组合。str.contains（）？

例如，假设我有一个系列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“pet”之外的所有东西。

我有一个解决办法，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()

有更好的方法吗？

Answer 1

这里是一行lambda，也可以：

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 2

您可以使用str.contains单独使用正则表达式模式，使用OR（|）：

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

一个选项是使用regex|字符来尝试匹配Seriess（仍然使用str.contains）中单词中的每个子字符串。

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在下面的评论中指出的，注意你的子串是否有特殊的字符，如$和^，你想从字面上匹配。这些字符在正则表达式的上下文中有特定的含义，会影响匹配。

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，这个新列表中的字符串将逐字匹配每个字符。