在 pandas 中搜索多个字符串而不预先定义要使用的字符串数答案

【问题标题】：Searching Multiple Strings in pandas without predefining number of strings to use在 pandas 中搜索多个字符串而不预先定义要使用的字符串数
【发布时间】：2019-06-06 18:33:44
【问题描述】：

我想知道是否有更通用的方法来执行以下操作？我想知道是否有一种方法可以创建 st 函数，以便我可以搜索非预定义数量的字符串？

例如，能够创建一个通用的 st 函数，然后键入 st('Governor', 'Virginia', 'Google)

这是我当前的函数，但它预定义了两个可以使用的词。（df 是一个熊猫数据框）

def search(word1, word2, word3 df):
    """
    allows you to search an intersection of three terms
    """
    return df[df.Name.str.contains(word1) & df.Name.str.contains(word2) & df.Name.str.contains(word3)]

st('Governor', 'Virginia', newauthdf)

【问题讨论】：

标签： python pandas

【解决方案1】：

你可以使用np.logical_and.reduce:

import pandas as pd
import numpy as np
def search(df, *words):  #1
    """
    Return a sub-DataFrame of those rows whose Name column match all the words.
    """
    return df[np.logical_and.reduce([df['Name'].str.contains(word) for word in words])]   # 2


df = pd.DataFrame({'Name':['Virginia Google Governor',
                           'Governor Virginia',
                           'Governor Virginia Google']})
print(search(df, 'Governor', 'Virginia', 'Google'))

打印

                       Name
0  Virginia Google Governor
2  Governor Virginia Google

def search(df, *words) 中的* 允许search 接受一个无限数量的位置参数。它将收集所有参数（在第一个之后）并将它们放在一个名为 words 的列表中。
np.logical_and.reduce([X,Y,Z]) 等价于 X & Y & Z。它但是，允许您处理任意长的列表。

【讨论】：

抱歉，'OR' 是否有等价物？如果我还想混入 or 和 and 搜索，我该怎么做？
有两种处理OR的方法。您可以将正则表达式模式与 | 结合起来，如 behzad.nouri 所示，或者您可以使用 np.logical_or.reduce。然而，允许用户输入正则表达式（可能包含|）并使用search 将正则表达式与np.logical_and.reduce 组合起来可能是最简单的。

【解决方案2】：

str.contains 可以使用正则表达式。所以你可以使用'|'.join(words)作为模式；为了安全起见，也映射到re.escape：

>>> df
                 Name
0                Test
1            Virginia
2              Google
3  Google in Virginia
4               Apple

[5 rows x 1 columns]
>>> words = ['Governor', 'Virginia', 'Google']

'|'.join(map(re.escape, words)) 将是搜索模式：

>>> import re
>>> pat = '|'.join(map(re.escape, words))
>>> df.Name.str.contains(pat)
0    False
1     True
2     True
3     True
4    False
Name: Name, dtype: bool

【讨论】：

这很有帮助！我喜欢这两个答案，但我选择了下面的一个，因为它允许您输入一个任意长的带有 *words 的答案列表，这是我不知道的。我也不知道 regex 在 str.contains 中工作，所以这非常有用。
是否可以在不使用 and 运算符的情况下在多个字段上运行 contains？伪：'df['Name', 'AnotherField'].str.contains(pattern)