如何在熊猫中测试字符串是否包含列表中的子字符串之一？

Question

是否有任何功能相当于 df.isin() 和 df[col].str.contains() 的组合？

例如，假设我有系列 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 —宠物’。

我有一个解决方案，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()

有一个更好的方法吗？

原文由 ari 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

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

您可以通过将 searchfor 中的单词与 | --- 连接起来来构建正则表达式：

 >>> 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那样，请注意您的子字符串是否具有特殊字符，例如 $ 和 ^ 您想要逐字匹配。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。

您可以通过使用 re.escape 转义非字母数字字符来使您的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。

原文由 Alex Riley 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

您可以使用 str.contains 单独使用正则表达式模式 OR (|) ：

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

或者您可以将系列添加到 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

原文由 l‘L’l 发布，翻译遵循 CC BY-SA 3.0 许可协议