如何從大熊貓數據幀

Question

過濾包含字符串模式行假設我們有在Python大熊貓的數據幀，看起來像這樣：

df = pd.DataFrame({'vals': [1, 2, 3, 4], 'ids': [u'aball', u'bball', u'cnut', u'fball']}) 

或者，以表格的形式：

ids vals 
aball 1 
bball 2 
cnut 3 
fball 4 

如何過濾包含關鍵詞「球？」的行嗎？例如，輸出應該是：

ids vals 
aball 1 
bball 2 
fball 4 

Answer 1

In [3]: df[df['ids'].str.contains("ball")] 
Out[3]: 
    ids vals 
0 aball  1 
1 bball  2 
3 fball  4 

Answer 2

>>> mask = df['ids'].str.contains('ball')  
>>> mask 
0  True 
1  True 
2 False 
3  True 
Name: ids, dtype: bool 

>>> df[mask] 
    ids vals 
0 aball  1 
1 bball  2 
3 fball  4 

Answer 3

df[df['ids'].str.contains('ball', na = False)] # valid for (at least) pandas version 0.17.1 

步驟一步解釋（從內到外）：

• df['ids']選擇的所述ids柱數據幀（技術上，對象df[ids]是pandas.Series的類型）
• df['ids'].str允許我們應用矢量化的字符串方法（例如，lower，contains）到系列
• df['ids'].str.contains('ball')檢查每個Series元素作爲該元素的值是否具有字符串「球」作爲子字符串。結果是一系列布爾值指示True或False關於「球」子串的存在。
• df[df['ids'].str.contains('ball')]將布爾'mask'應用於數據框並返回包含適當記錄的視圖。
• na = False從考慮中刪除NA/NaN值;否則可能會返回一個ValueError。

Answer 4

如果您想將您篩選的列設置爲新索引，那麼您也可以考慮使用.filter;如果你想保持它作爲一個單獨的列，然後str.contains是要走的路。

比方說，你有

df = pd.DataFrame({'vals': [1, 2, 3, 4, 5], 'ids': [u'aball', u'bball', u'cnut', u'fball', 'ballxyz']}) 

     ids vals 
0 aball  1 
1 bball  2 
2  cnut  3 
3 fball  4 
4 ballxyz  5 

，你的計劃是過濾器，其中ids包含ball並設置ids新索引的所有行，你可以做

df.set_index('ids').filter(like='ball', axis=0) 

這給

  vals 
ids   
aball  1 
bball  2 
fball  4 
ballxyz  5 

但是filter還允許您傳遞正則表達式，因此您還可以僅篩選列條目以ball結尾的那些行。在這種情況下，你使用現在，因爲它與ball開始，不與它到底是不是包含ballxyz進入

df.set_index('ids').filter(regex='ball$', axis=0) 

     vals 
ids   
aball  1 
bball  2 
fball  4 

注意。

如果你想獲得與ball開始的所有條目，你可以簡單的使用

df.set_index('ids').filter(regex='^ball', axis=0) 

產生

  vals 
ids   
ballxyz  5 

同一作品的列;所有你需要改變的是axis=0部分。如果你根據列進行過濾，那將是axis=1。