使用正則表達式搜索並過濾熊貓數據框

Question

我會感謝您的幫助。我有一個熊貓數據框。我想使用正則表達式搜索數據框的3列，然後返回符合搜索條件的所有行，並按照我的一列進行排序。我想寫這個函數作爲一個函數，所以如果可能的話，我可以用其他標準來實現這個邏輯，但是我不太清楚如何做到這一點。

例如，我知道怎麼拉的搜索正是如此的結果（COL1是列名）：

idx1 = df.col1.str.contains(r'vhigh|high', flags=re.IGNORECASE, regex=True, na=False) 

print df[~idx1] 

，但我無法弄清楚如何採取此類行動，並執行它與多列，然後排序。任何人有任何提示？

Answer 1

您可以使用apply使代碼更加簡潔。例如，假設該數據幀：

df = pd.DataFrame({'col1': ['vhigh', 'low', 'vlow'], 'col2': ['eee', 'low', 'high'], 'val': [100,200,300]}) 
print df 

輸入：

col1 col2 val 
0 vhigh eee 100 
1 low low 200 
2 vlow high 300 

您可以選擇所有包含字符串vhigh或col1列high或col2如下行：

mask = df[['col1', 'col2']].apply(lambda x: x.str.contains('vhigh|high', regex=True)).any(axis=1) 
print df[mask] 

apply函數在每列應用contains函數（因爲通過defau lt axis=0）。函數any返回一個布爾掩碼，其中元素True表示至少有一列符合搜索條件。這可以用來在原始DataFrame上執行選擇。

輸出：

col1 col2 val 
0 vhigh eee 100 
2 vlow high 300 

然後，向由列，例如對結果進行分類val列，你可以簡單地做：

df[mask].sort('val')