如何从Pandas数据框架中过滤包含字符串模式的行

小开

>>> mask = df['ids'].str.contains('ball')
>>> mask
0     True
1     True
2    False
3     True
Name: ids, dtype: bool


>>> df[mask]
ids  vals
0  aball     1
1  bball     2
3  fball     4

小开

最佳答案

In [3]: df[df['ids'].str.contains("ball")]
Out[3]:
ids  vals
0  aball     1
1  bball     2
3  fball     4

小开

df[df['ids'].str.contains('ball', na = False)] # valid for (at least) pandas version 0.17.1

分步讲解(由内而外):

df['ids']选择数据帧的ids列(严格来说，对象df['ids']的类型是pandas.Series)
df['ids'].str允许我们将向量化的字符串方法(例如，lower， contains)应用于Series
df['ids'].str.contains('ball')检查该系列的每一个元素的元素值是否有字符串'ball'作为子字符串。结果是一系列布尔值，指示True或False关于'ball'子串的存在。
df[df['ids'].str.contains('ball')]将布尔值“mask”应用到数据帧，并返回一个包含适当记录的视图。
na = False从考虑中删除NA / NaN值;否则返回ValueError。

小开

如果你想将筛选的列设置为一个新索引，你也可以考虑使用.filter;如果你想保持它作为一个单独的列，那么str.contains是正确的方法。

假设你有

df = pd.DataFrame({'vals': [1, 2, 3, 4, 5], 'ids': [u'aball', u'bball', u'cnut', u'fball', 'ballxyz']})


ids  vals
0    aball     1
1    bball     2
2     cnut     3
3    fball     4
4  ballxyz     5

你的计划是过滤所有ids包含ball的行，并将ids设置为新索引，你可以这样做

df.set_index('ids').filter(like='ball', axis=0)

这给了

         vals
ids
aball       1
bball       2
fball       4
ballxyz     5

但是filter也允许你传递一个正则表达式，所以你也可以只过滤那些列条目以ball结尾的行。在这种情况下，你使用

df.set_index('ids').filter(regex='ball$', axis=0)


vals
ids
aball     1
bball     2
fball     4

注意，现在包含ballxyz的条目不包括在内，因为它以ball开始，不以它结束。

如果你想获取所有以ball开头的条目，你可以简单地使用

df.set_index('ids').filter(regex='^ball', axis=0)

屈服

         vals
ids
ballxyz     5

这同样适用于圆柱;所有你需要改变的是axis=0部分。如果基于列进行筛选，则它将是axis=1。