Pandas提取含有指定字符串的行(完全匹配,部分匹配)
以下內(nèi)容，如何使用pandas提取含有指定字符串的行的方法進(jìn)行解釋說明。
行的提?。ㄟx擇）方法
完全匹配
- ==
部分匹配
- str.contains()：包含一個(gè)特定的字符串
- 參數(shù)na：缺少值NaN處理
- 參數(shù)case：大小寫我的處理
- 參數(shù)regex：使用正則表達(dá)式模式
- str.endswith（）：以特定字符串結(jié)尾
- str.startswith（）：以特定的字符串開頭
- str.match（）：匹配正則表達(dá)式模式
要提取部分匹配的行，可以使用pandas的（str.xxx（））方法，根據(jù)指定條件提取的字符串方法。
這次以以下數(shù)據(jù)為例
import pandas as pd
df = pd.read_csv('./data/08/sample_pandas_normal.csv').head(3)
print(df)
# ? ? ? name ?age state ?point
# 0 ? ?Alice ? 24 ? ?NY ? ? 64
# 1 ? ? ?Bob ? 42 ? ?CA ? ? 92
# 2 ?Charlie ? 18 ? ?CA ? ? 70行的提取（選擇）方法
首先，展示如何從pandas.DataFrame中提?。ㄟx擇）行以獲得新的pandas.DataFrame。
使用布爾值的布爾列表（數(shù)組）或pandas.Series的話，只能提?。ㄟx擇）True行。
mask = [True, False, True] df_mask = df[mask] print(df_mask) # name age state point # 0 Alice 24 NY 64 # 2 Charlie 18 CA 70
因此，對(duì)于具有字符串元素的列，是否能夠獲得根據(jù)條件的布爾列表就足夠了。
完全匹配
==
如果元素與字符串完全匹配，則使用==獲取為True的pandas.Series。
print(df['state'] == 'CA') # 0 ? ?False # 1 ? ? True # 2 ? ? True # Name: state, dtype: bool print(df[df['state'] == 'CA']) # ? ? ? name ?age state ?point # 1 ? ? ?Bob ? 42 ? ?CA ? ? 92 # 2 ?Charlie ? 18 ? ?CA ? ? 70
部分匹配
str.contains()：包含一個(gè)特定的字符串
pandas.Series字符串方法str.contains（）允許獲取包含特定字符串的pandas.Series.
print(df['name'].str.contains('li'))
# 0 ? ? True
# 1 ? ?False
# 2 ? ? True
# Name: name, dtype: bool
print(df[df['name'].str.contains('li')])
# ? ? ? name ?age state ?point
# 0 ? ?Alice ? 24 ? ?NY ? ? 64
# 2 ?Charlie ? 18 ? ?CA ? ? 70請(qǐng)注意，默認(rèn)情況下，第一個(gè)參數(shù)中指定的字符串將作為正則表達(dá)式模式進(jìn)行處理，如下所述。
參數(shù)na：缺少值NaN處理
如果元素是缺失值NaN，則默認(rèn)情況下它將返回NaN而不是True或False。因此，使用pandas.Series提取該行是錯(cuò)誤的。
df_nan = df.copy()
df_nan.iloc[2, 0] = float('nan')
print(df_nan)
# ? ? name ?age state ?point
# 0 ?Alice ? 24 ? ?NY ? ? 64
# 1 ? ?Bob ? 42 ? ?CA ? ? 92
# 2 ? ?NaN ? 18 ? ?CA ? ? 70
print(df_nan['name'].str.contains('li'))
# 0 ? ? True
# 1 ? ?False
# 2 ? ? ?NaN
# Name: name, dtype: object
# print(df_nan[df_nan['name'].str.contains('li')])
# ValueError: cannot index with vector containing NA / NaN values可以通過str.contains（）的參數(shù)na來指定替換NaN結(jié)果的值。
print(df_nan['name'].str.contains('li', na=False))
# 0 ? ? True
# 1 ? ?False
# 2 ? ?False
# Name: name, dtype: bool
print(df_nan['name'].str.contains('li', na=True))
# 0 ? ? True
# 1 ? ?False
# 2 ? ? True
# Name: name, dtype: bool用作條件時(shí)，如果na = True，則選擇NaN的行，如果na = False，則不選擇NaN的行。
參數(shù)case：大小寫我的處理
默認(rèn)情況下，區(qū)分大小寫。如果參數(shù)case為False，則case被忽略。
print(df['name'].str.contains('LI'))
# 0 ? ?False
# 1 ? ?False
# 2 ? ?False
# Name: name, dtype: bool
print(df['name'].str.contains('LI', case=False))
# 0 ? ? True
# 1 ? ?False
# 2 ? ? True
# Name: name, dtype: bool參數(shù)regex：使用正則表達(dá)式模式
使用str.contains（）時(shí)要記住的一件事是，默認(rèn)情況下，指定為第一個(gè)參數(shù)的字符串將作為正則表達(dá)式模式進(jìn)行處理。
print(df['name'].str.contains('i.*e'))
# 0 True
# 1 False
# 2 True
# Name: name, dtype: bool
如果參數(shù)ragex為False，則確定是否包含第一個(gè)參數(shù)的字符串本身。
print(df['name'].str.contains('i.*e', regex=False))
# 0 False
# 1 False
# 2 False
# Name: name, dtype: bool
例如，如果要判斷是否包含正則表達(dá)式的特殊字符，例如？，。，*，則需要設(shè)置regex = False。當(dāng)然，可以指定一個(gè)正則表達(dá)式模式，以轉(zhuǎn)義\？等特殊字符。
請(qǐng)注意，默認(rèn)值可能會(huì)導(dǎo)致錯(cuò)誤。
df_q = df.copy()
df_q.iloc[2, 0] += '?'
print(df_q)
# ? ? ? ?name ?age state ?point
# 0 ? ? Alice ? 24 ? ?NY ? ? 64
# 1 ? ? ? Bob ? 42 ? ?CA ? ? 92
# 2 ?Charlie? ? 18 ? ?CA ? ? 70
# print(df_q['name'].str.contains('?'))
# error: nothing to repeat at position 0
print(df_q['name'].str.contains('?', regex=False))
# 0 ? ?False
# 1 ? ?False
# 2 ? ? True
# Name: name, dtype: bool
print(df_q['name'].str.contains('\?'))
# 0 ? ?False
# 1 ? ?False
# 2 ? ? True
# Name: name, dtype: boolstr.contains（）等同于re.search（），并且可以在flags參數(shù)中指定正則表達(dá)式標(biāo)志。如稍后所述，還有對(duì)應(yīng)于re.match（）的str.match（）。
請(qǐng)注意，下面要介紹的str.endswith（）如果想要確定end ?，會(huì)更容易，如本例所示。
str.endswith（）：以特定字符串結(jié)尾
pandas.Series字符串方法str.endswith（）可以獲取以特定字符串結(jié)尾的pandas.Series。
print(df['name'].str.endswith('e'))
# 0 ? ? True
# 1 ? ?False
# 2 ? ? True
# Name: name, dtype: bool
print(df[df['name'].str.endswith('e')])
# ? ? ? name ?age state ?point
# 0 ? ?Alice ? 24 ? ?NY ? ? 64
# 2 ?Charlie ? 18 ? ?CA ? ? 70str.endswith（）也有一個(gè)參數(shù)na。如果要選擇缺失值NaN的行，則設(shè)置na = True；如果不想選擇，則將na = False設(shè)置。
沒有參數(shù)case，因此它始終區(qū)分大小寫。
另外，第一個(gè)參數(shù)的字符串在確定中照原樣使用，而不作為正則表達(dá)式模式處理。
str.startswith（）：以特定的字符串開頭
pandas.Series字符串方法str.startswith（）可以獲取以特定字符串開頭的pandas.Series。
print(df['name'].str.startswith('B'))
# 0 ? ?False
# 1 ? ? True
# 2 ? ?False
# Name: name, dtype: bool
print(df[df['name'].str.startswith('B')])
# ? name ?age state ?point
# 1 ?Bob ? 42 ? ?CA ? ? 92str.match（）：匹配正則表達(dá)式模式
pandas.Series字符串方法str.match（）可以獲取與正則表達(dá)式模式匹配的pandas.Series。
print(df['name'].str.match('.*i.*e'))
# 0 ? ? True
# 1 ? ?False
# 2 ? ? True
# Name: name, dtype: bool
print(df[df['name'].str.match('.*i.*e')])
# ? ? ? name ?age state ?point
# 0 ? ?Alice ? 24 ? ?NY ? ? 64
# 2 ?Charlie ? 18 ? ?CA ? ? 70如上所述，str.match（）對(duì)應(yīng)于re.match（），并確定字符串的開頭是否與模式匹配。如果不是一開始就為False。
print(df['name'].str.match('.*i'))
# 0 ? ? True
# 1 ? ?False
# 2 ? ? True
# Name: name, dtype: bool
print(df['name'].str.match('i.*e'))
# 0 ? ?False
# 1 ? ?False
# 2 ? ?False
# Name: name, dtype: bool當(dāng)需要確定是否包括與模式匹配的部分時(shí)，不僅在開始時(shí)，而且默認(rèn)使用與上述re.search（）等效的re.contains（）（regex = True）。
str.match（）與str.contains（）可以以相同的方式指定參數(shù)na，case和flag。
到此這篇關(guān)于Pandas提取含有指定字符串的行(完全匹配,部分匹配)的文章就介紹到這了,更多相關(guān)Pandas提取指定字符串的行內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了Python如何使用OS模塊調(diào)用 cmd,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-02-02
Python實(shí)現(xiàn)K-means聚類算法并可視化生成動(dòng)圖步驟詳解
這篇文章主要介紹了Python實(shí)現(xiàn)K-means聚類算法并可視化生成動(dòng)圖,本文分步驟給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-05-05
今天小編就為大家分享一篇python 列表、字典和集合的添加和刪除操作，有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12
Python中創(chuàng)建相關(guān)系數(shù)矩陣的方法小結(jié)
相關(guān)系數(shù)矩陣是一種用于衡量變量之間關(guān)系的重要工具,本文將介紹在 Python 中創(chuàng)建相關(guān)系數(shù)矩陣的不同方法,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-12-12
今天要帶大家實(shí)現(xiàn)的是PPT圖片的提取。在我們學(xué)習(xí)工作中，PPT的使用還是非常頻繁的，但是自己做PPT是很麻煩的，所以就需要用到別人的模板或者素材，這個(gè)時(shí)候提取PPT圖片就可以減少我們很多工作。2021-09-09
python讀取excel表格生成erlang數(shù)據(jù)
這篇文章主要為大家詳細(xì)介紹了python讀取excel表格生成erlang數(shù)據(jù)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2017-08-08
Pycharm2020.1安裝中文語言插件的詳細(xì)教程(不需要漢化)
這篇文章主要介紹了Pycharm2020.1安裝中文語言插件的詳細(xì)教程,不需要漢化,本文給大家分享三種方法，在這小編推薦使用方法二，具體內(nèi)容詳情大家跟隨小編一起看看吧2020-08-08
在本篇文章里小編給大家分享了關(guān)于python向字符串中添加元素的實(shí)例方法以及相關(guān)知識(shí)點(diǎn)內(nèi)容，有需要的朋友們跟著學(xué)習(xí)參考下。2019-06-06
今天小編就為大家分享一篇Python 詞典(Dict) 加載與保存示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12
Jupyter notebook 輸出部分顯示不全的解決方案
這篇文章主要介紹了Jupyter notebook 輸出部分顯示不全的解決方案，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-04-04