如何从 Pandas 数据框中过滤包含字符串模式的行 [重复]

Question

假设我们在 Python Pandas 中有一个如下所示的数据框：

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

或者，以表格形式：

ids    vals
aball   1
bball   2
cnut    3
fball   4

如何过滤包含关键字“ball”的行？例如，输出应该是：

ids    vals
aball   1
bball   2
fball   4

Answer 1

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

一步一步的解释（从内到外）：

• df['ids'] 选择数据框的ids 列（技术上，对象df['ids'] 的类型为pandas.Series）
• df['ids'].str 允许我们将向量化字符串方法（例如，lower、contains）应用于系列
• df['ids'].str.contains('ball') 检查系列的 每个 元素，以确定元素值是否具有字符串 'ball' 作为子字符串。结果是一系列布尔值，指示 True 或 False 关于“球”子字符串的存在。
• df[df['ids'].str.contains('ball')] 将布尔“掩码”应用于数据框并返回包含适当记录的视图。
• na = False 不考虑 NA / NaN 值；否则可能会返回 ValueError。

Answer 2

如果要将过滤的列设置为新索引，也可以考虑使用.filter；如果您想将其保留为单独的列，那么str.contains 是要走的路。

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

您的计划是过滤所有行，其中ids 包含ball 并将ids 设置为新索引，您可以这样做

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

给了

         vals
ids          
aball       1
bball       2
fball       4
ballxyz     5

但filter 也允许您传递正则表达式，因此您也可以只过滤列条目以ball 结尾的那些行。在这种情况下，您使用

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

       vals
ids        
aball     1
bball     2
fball     4

请注意，现在不包括带有ballxyz 的条目，因为它以ball 开头并且不以它结尾。

如果您想获取所有以ball 开头的条目，您可以简单地使用

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

屈服

         vals
ids          
ballxyz     5

同样适用于列；然后，您需要更改的只是 axis=0 部分。如果根据列进行过滤，则为axis=1。

Answer 3

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

Answer 4

>>> 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