pandas：測試字符串是否包含列表中的一個子字符串

Question

是否有任何函數可能等效於df.isin()和df[col].str.contains()的組合？

例如，說我有一系列 s = pd.Series(['cat','hat','dog','fog','pet'])，我想找個地方s含有任何的['og', 'at']，我希望得到的一切，但寵物的所有地方。

我有一個解決方案，但是它是相當不雅：

searchfor = ['og', 'at'] 
found = [s.str.contains(x) for x in searchfor] 
result = pd.DataFrame[found] 
result.any() 

有沒有更好的方式來做到這一點？

Answer 1

一種方法是使用正則表達式|字符來嘗試匹配系列s（仍使用str.contains）中的單詞中的每個子字符串。

您可以通過|加盟searchfor的話構建正則表達式：

>>> searchfor = ['og', 'at'] 
>>> s[s.str.contains('|'.join(searchfor))] 
0 cat 
1 hat 
2 dog 
3 fog 
dtype: object 

正如@AndyHayden在下面的評論中指出，照顧，如果你的子有特殊字符，如$和^要從字面上匹配。這些字符在正則表達式的上下文中具有特定的含義，並會影響匹配。在這個新的列表將與str.contains使用時，每一個字符地匹配

>>> import re 
>>> matches = ['$money', 'x^y'] 
>>> safe_matches = [re.escape(m) for m in matches] 
>>> safe_matches 
['\\$money', 'x\\^y'] 

的字符串：

你可以讓你通過子逃避非字母數字字符更安全的清單，re.escape。

Answer 2

您可以使用OR (|)正則表達式模式單獨使用str.contains：

s[s.str.contains('og|at')] 

或者你可以在系列添加到dataframe然後使用str.contains：

df = pd.DataFrame(s) 
df[s.str.contains('og|at')] 

輸出：

0 cat 
1 hat 
2 dog 
3 fog