在Python中过滤数据集中的“包含值”[重复]答案

【问题标题】：Filtering for 'contains value' in a dataset in Python [duplicate]在Python中过滤数据集中的“包含值”[重复]
【发布时间】：2020-12-17 01:54:44
【问题描述】：

在 Python 中，如何按包含特定值的值过滤列？

一个示例是一个数据集，其中有一列名为“City”，值可能是“Sydney”、“Greater Sydney”、“North Sydney”等。如果使用输入“Sydney”，我如何确保所有变体是否包含在过滤中？

#user inputs column
input1 = input()
country_city = input1.title()

#user inputs value
input2 = input()
country_city_value = input2.title()

#filtering step (current)
filtered = dataset[dataset[country_city] == country_city_value]
print(filtered)

【问题讨论】：

标签： python pandas

【解决方案1】：

如果要过滤包含输入单词的内容，请应用str.contains：

data = {'City': ['Sydney', 'Greater Sydney', 'North Sydney'],}

dataset = pd.DataFrame(data, columns = ['City'])

#user inputs column
input1 = input()              
country_city = input1.title()        # 'City'

#user inputs value
input2 = input()
country_city_value = input2.title()  # 'Sydney'

#filtering step (current)
filtered = dataset[dataset[country_city].str.contains(country_city_value)]

#              City
# 0          Sydney
# 1  Greater Sydney
# 2    North Sydney
print(filtered)

【讨论】：

这是我的想法，但是当我使用它运行脚本时，它返回以下错误： ValueError: Cannot mask with non-boolean array contains NA / NaN values
@TC1111 你能添加一些示例输入吗？无论如何dropna 和/或fillna 可能有用

【解决方案2】：

str.contains 是不错的选择，但如果您的输入是“北悉尼”，您将不会收到 Sydney，因此只会收到 north sydney 示例：

df= pd.DataFrame({
    'A':['Sydney','North Sydney','Alaska']

})
print(df)
              A
0        Sydney
1  North Sydney
2        Alaska
input='North Sydney'
filtered = df[df.A.str.contains(input)]

print(filtered)
              A
1  North Sydney

所以要改进这种方式，请使用split() with str.contains()

input=input.split()
print(input)
['North', 'Sydney']

filtered = df[df.A.str.contains('%s'%[x for x in input])]

print(filtered)
              A
0        Sydney
1  North Sydney

所以通过这种方式，您可以确定您输入的所有部分都会被考虑在内

【讨论】：

@Aviv Yaniv 搜索您的系列是否包含您输入的每个部分。对于这个例子Sydney 和North