从python pandas的数据框列中搜索匹配的字符串模式答案

【问题标题】：searching matching string pattern from dataframe column in python pandas从python pandas的数据框列中搜索匹配的字符串模式
【发布时间】：2016-08-12 22:44:36
【问题描述】：

我有一个如下所示的数据框

 name         genre
 satya      |ACTION|DRAMA|IC|
 satya      |COMEDY|BIOPIC|SOCIAL|
 abc        |CLASSICAL|
 xyz        |ROMANCE|ACTION|DARMA|
 def        |DISCOVERY|SPORT|COMEDY|IC|
 ghj        |IC|

现在我想查询数据框，以便获得第 1,5 和 6 行。我想找到 |IC|单独或与其他类型的任何组合。

到目前为止，我可以使用

进行精确搜索

df[df['genre'] == '|ACTION|DRAMA|IC|']  ######exact value yields row 1

或字符串包含搜索依据

 df[df['genre'].str.contains('IC')]  ####yields row 1,2,3,5,6
 # as BIOPIC has IC in that same for CLASSICAL also

但我不想要这两个。

#df[df['genre'].str.contains('|IC|')]  #### row 6
# This also not satisfying my need as i am missing rows 1 and 5

所以我的要求是找到具有 |IC| 的流派。（我的字符串搜索失败，因为 python 将 '|' 视为 or 运算符）

有人建议一些 reg 或任何方法来做到这一点。感谢 ADv。

【问题讨论】：

标签： python regex string pandas

【解决方案1】：

我认为您可以将\ 添加到正则表达式以进行转义，因为没有\ 的| 被解释为OR：

'|'

A|B，其中 A 和 B 可以是任意 RE，创建一个匹配 A 或 B 的正则表达式。任意数量的 RE 可以用“|”分隔这样。这也可以在组内使用（见下文）。扫描目标字符串时，REs 由 '|' 分隔从左到右尝试。当一个模式完全匹配时，该分支被接受。这意味着一旦 A 匹配，B 将不会被进一步测试，即使它会产生更长的整体匹配。换句话说，'|'运营商从不贪婪。要匹配文字“|”，请使用 \|，或将其括在字符类中，如 [|]。

print df['genre'].str.contains(u'\|IC\|')
0     True
1    False
2    False
3    False
4     True
5     True
Name: genre, dtype: bool

print df[df['genre'].str.contains(u'\|IC\|')]
    name                        genre
0  satya            |ACTION|DRAMA|IC|
4    def  |DISCOVERY|SPORT|COMEDY|IC|
5    ghj                         |IC|

【讨论】：

【解决方案2】：

可能是这样的结构：

    pd.DataFrame[DataFrame['columnName'].str.contains(re.compile('regex_pattern'))]

【讨论】：