从 pandas DataFrame 中选择包含以整数开头的字符串的行答案

【问题标题】：Select rows from pandas DataFrame that contain a string starting with an integer从 pandas DataFrame 中选择包含以整数开头的字符串的行
【发布时间】：2019-10-13 22:40:41
【问题描述】：

我创建了一个包含一个字符串列的 pandas DataFrame。我想将它的一些行复制到第二个 DataFrame 中：只是第一个空格之前的字符是大于或等于 300 的整数的行，而第一个空格之后的字符是“Broadway”的行。在以下示例中，应仅复制第一行。

我宁愿解决这个问题，而不是简单地用 Python 编写布尔表达式。假设我想说服某人使用 pandas 而不是没有 pandas 的 Python 的好处。非常感谢。


d = {
    "address": [
        "300 Broadway",      #Ok.
        "300 Wall Street",   #Sorry, not "Broadway".
        "100-10 Broadway",   #Sorry, "100-10" is not an integer.
        "299 Broadway",      #Sorry, 299 is less than 300.
        "Broadway"           #Sorry, no space at all.
    ]
}

df = pd.DataFrame(d)
df2 = df[what goes here?]   #Broadway addresses greater than or equal to 300
print(df2)

【问题讨论】：

标签： python string pandas dataframe search

【解决方案1】：

您可以使用str.contains、str.extract 和ge：

# rows which contain broadway
m1 = df['address'].str.contains('(?i)broadway')
# extract the numbers from the string and check if they are greater of equal to 300
m2 = df['address'].str.extract('(\d+)')[0].astype(float).ge(300)

# get all the rows which have True for both conditions
df[m1&m2]

输出

        address
0  300 Broadway

【讨论】：

【解决方案2】：

我认为最好先清理一下数据，例如：

# prepare data
df[['number', 'street']] = df.address.str.split('\s+', n=1, expand=True)
df['number'] = pd.to_numeric(df.number, errors='coerce')

第一行将地址拆分为数字和街道，第二行将数字转换为实际整数，注意那些不是整数的值将转换为NaN。然后你可以这样做：

# create mask to filter
mask = df.number.ge(300) & df.street.str.contains("Broadway")
print(df[mask])

基本上创建一个布尔掩码，其中数字大于或等于 300 并且街道是百老汇。综上所述，您有：

# prepare data
df[['number', 'street']] = df.address.str.split('\s+', n=1, expand=True)
df['number'] = pd.to_numeric(df.number, errors='coerce')

# create mask to filter
mask = df.number.eq(300) & df.street.str.contains("Broadway")
print(df[mask])

输出

        address  number    street
0  300 Broadway   300.0  Broadway

请注意，此解决方案假定您的数据具有以下模式：Number Street。

【讨论】：