使用 Pandas 数据框匹配关键字（字符串）

Question

我有一个要与某些关键字匹配的数据框（我想检测包含这些关键字的行） 我设法通过这种方式得到了这份工作。但我想知道是否有更好的方法来做到这一点，因为我可能有多达 10 或 20 个不同的关键字。

df1 = df[df['column1'].str.contains("keyword1") | df['column1'].str.contains('keyword2')]

（我是初学者，请尽量简单）

Answer 1

对于或逻辑，您可以通过将单词与| 连接来创建单个模式。将您的 10-20 个单词存储在一个列表中，然后 '|'.join(that_list)。

import pandas as pd
import numpy as np

df = pd.DataFrame({'col1': ['foo', 'bar', 'baz', 'foobar', 'boo']})
words = ['foo', 'bar']

df['foo_OR_bar'] = df['col1'].str.contains('|'.join(words))

#     col1  foo_OR_bar
#0     foo        True
#1     bar        True
#2     baz       False
#3  foobar        True
#4     boo       False

#To slice by that Boolean Series
df1 = df.loc[df['col1'].str.contains('|'.join(words))]

---

如果您的加入逻辑是和，那么我们可以使用np.logical_and.reduce 和列表推导来保持简洁。

df['foo_AND_bar'] = np.logical_and.reduce([df.col1.str.contains(w) for w in words])

#     col1  foo_OR_bar  foo_AND_bar
#0     foo        True        False
#1     bar        True        False
#2     baz       False        False
#3  foobar        True         True
#4     boo       False        False