获取数据框的子集，其中列必须包含子字符串（如果不是，则忽略这些行）

Question

有很多类似的问题，但没有人问这个具体的问题，我不知道如何解决。

假设我有一个如下所示的数据框df，并假设每一列都可以有其他子字符串（尽管，下面显示的子字符串对于每行一列都是唯一的，例如，如果一列有'Coin ' 在其中，该行中没有其他列可以包含子字符串 'Coin')。

此示例显示了整个字符串，但假设其中包含“Coin”的行实际上可能是“Coin (quarters)”，因此它必须搜索子字符串“Coin”而不假设“Coin”是整个字符串字符串。

>>> df

   1       2       3       4       cap
0  Coin    Bill    Charge          72
1  Coin                            13
2  Charge  Coin                     1
3  Bill    Other   Coin    Charge  57
4  Charge  Bill                    11
5  Coin    Charge                   8
6  Other   Bill    Charge   Coin   99
7  Charge                          45 
8  Charge  Coin                    15
9  Bill    Other   Coin            71

当且仅当列包含“Coin”和“Charge”但不包含其他唯一子字符串时，我想要做的是选择行。本质上，当且仅当一列包含“Coin”且一列包含“Charge”且其余列不包含“Bill”或“Other”或者它们具有空字符串。

因此，在上面的示例中，生成的数据框将是 df 的子集：

>>> df_res

   1       2       3       4       cap
2  Charge  Coin                     1
5  Coin    Charge                   8
8  Charge  Coin                    15

Answer 1

试试：

x = df[
    df.apply(
        lambda x: "Coin" in (v := x.values)
        and "Charge" in v
        and "Bill" not in v
        and "Other" not in v,
        axis=1,
    )
]
print(x)

打印：

        1       2 3 4  cap
2  Charge    Coin        1
5    Coin  Charge        8
8  Charge    Coin       15

---

编辑：搜索子字符串：

x = df[
    df.apply(
        lambda x: any("Coin" in i for i in x if isinstance(i, str))
        and any("Charge" in i for i in x if isinstance(i, str))
        and not any("Bill" in i for i in x if isinstance(i, str))
        and not any("Other" in i for i in x if isinstance(i, str)),
        axis=1,
    )
]
print(x)

打印：

        1               2 3 4  cap
2  Charge  Coin(quarters)        1
5    Coin          Charge        8
8  Charge            Coin       15