在列中搜索多个匹配的整数答案

【问题标题】：Search through column for multiple matching integers在列中搜索多个匹配的整数
【发布时间】：2017-07-21 19:06:48
【问题描述】：

我正在尝试搜索包含一个或多个整数值的列的数据库，以匹配一个或多个给定整数。我刚开始使用 Python 和 Pandas。

数据库中的整数之间有一个'-' 例如

--------------------------------------------------
| Customer 1     | 1143              |
--------------------------------------------------
| Customer 2     |1124-1123|
--------------------------------------------------
| Customer 3     |1254-1234-1642      |
--------------------------------------------------

我不太清楚如何解析这些值，同时也让顺序无关紧要。所以假设我有 1123 和 1124 作为两个整数来查找匹配，这里的最终目标是显示具有匹配整数的客户。

任何意见将不胜感激！

【问题讨论】：

是完全匹配还是部分匹配？
我假设完全匹配意味着我有 1123 和 1124，然后我有一个客户（1123-1124-1125）和另一个客户（1123-1124）。只有第二个客户很重要。在这种情况下是完全匹配
在那种情况下my answer 会这样做。
实际上你会如何进行部分匹配？您如何区分客户是部分匹配还是完全匹配？
Lethe 正则表达式会改变。查看其他答案

标签： python pandas search dataframe

【解决方案1】：

考虑以下方法：

In [174]: x
Out[174]:
         name              id
0  Customer 1            1143
1  Customer 2       1124-1123
2  Customer 3  1254-1234-1642

In [175]: pat = '|'.join(['1123', '1642'])

In [176]: x[x['id'].str.contains(pat)]
Out[176]:
         name              id
1  Customer 2       1124-1123
2  Customer 3  1254-1234-1642

In [177]: pat
Out[177]: '1123|1642'

【讨论】：

【解决方案2】：

您可以转换为集合并使用集合逻辑然后过滤

s = set(['1123', '1642'])
df[df.id.str.split('-').apply(set) & s]

         name              id
1  Customer 2       1124-1123
2  Customer 3  1254-1234-1642

pd.Series.str.split 创建在'-' 上拆分的字符串列表

df.id.str.split('-')

0                [1143]
1          [1124, 1123]
2    [1254, 1234, 1642]
Name: id, dtype: object

使用 pd.Series.apply 和 set 将这些列表转换为集合

0                {1143}
1          {1123, 1124}
2    {1642, 1254, 1234}
Name: id, dtype: object

然后在集合上下文中使用& 执行一个元素一个元素的交集

df.id.str.split('-').apply(set) & s

0    False
1     True
2     True
Name: id, dtype: bool

然后我们用它来过滤。

【讨论】：

【解决方案3】：

根据您的clarification，我相信完整的正则表达式匹配是必要的。您可以将df.str.match 与正则表达式模式一起使用：

numbers = ['1124', '1123']
df

     Customer          Number
0  Customer 1            1143
1  Customer 2       1124-1123
2  Customer 3  1254-1234-1642
3  Customer 4  1124-1123-1125

df[df['Number'].str.match(f'{"-".join(numbers)}$')]  


     Customer     Number
1  Customer 2  1124-1123

【讨论】：

【解决方案4】：

尝试使用 pd.series.contains()

df1 = df[df['column_name'].str.contains('1123')]

如果您想查找 1123 和 1124，请使用 join

list1 =['1123','1124']
listRegex = '|'.join(list1)
df1 = df[df['column_name'].str.contains(listRegex)]

【讨论】：

【解决方案5】：

您可以使用正则表达式解析字符串。我用c#做了一个例子，你应该没有问题移植到python。

        Regex regex = new Regex("[1-9]+");

        string example = "1221-1231-4311-1236";

        Match match = regex.Match(example);

        while (match.Success)
        {
            Console.WriteLine(match);
            match = match.NextMatch();
        }

输出发布在下面，你可以用它做任何事情。

【讨论】：

抱歉，c# 示例不在这里。