如何从Pandas数据帧中过滤包含字符串模式的行

Question

假设我们在Python Pandas中有一个数据框,如下所示:

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

或者,以表格形式:

ids    vals
aball   1
bball   2
cnut    3
fball   4

如何过滤包含关键词"ball？"的行？例如,输出应为:

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

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

逐步解释(从内到外):

• df['ids']选择ids数据框的列(技术上,对象df['ids']是类型pandas.Series)
• df['ids'].str允许我们将向量化的字符串方法(例如lower,contains)应用于Series
• df['ids'].str.contains('ball')检查Series的每个元素,以确定元素值是否将字符串'ball'作为子字符串.结果是一系列布尔指示True或表示False存在"球"子串.
• df[df['ids'].str.contains('ball')] 将布尔"掩码"应用于数据帧并返回包含适当记录的视图.
• na = False从考虑中删除NA/NaN值; 否则可能会返回ValueError.

Answer 3

>>> 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 4

如果要将筛选的列设置为新索引,还可以考虑使用.filter; 如果你想把它作为一个单独的列保留,那么str.contains就是要走的路.

让我们说你有

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

并且您的计划是过滤ids包含ballAND设置ids为新索引的所有行,您可以这样做

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

这使

         vals
ids          
aball       1
bball       2
fball       4
ballxyz     5

但filter也允许您传递正则表达式,因此您也可以只过滤列条目结尾的那些行ball.在这种情况下你使用

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

       vals
ids        
aball     1
bball     2
fball     4

请注意,现在条目ballxyz不包括在内,因为它开头ball并且不以它结束.

如果您想获得所有以ball您开头的条目,可以简单使用

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

生产

         vals
ids          
ballxyz     5

同样适用于列; 你需要改变的只是axis=0部分.如果你根据列进行过滤,那就是axis=1.