如何按字符串过滤pandas数据帧？

Question

我有一个pandas数据框,我想通过列中的特定单词(test)进行过滤.我试过了:

df[df[col].str.contains('test')]

但它返回一个只有列名的空数据帧.对于输出,我正在寻找一个包含所有包含单词'test'的行的数据帧.我能做什么？

编辑(添加样本):

data = pd.read_csv(/...csv)

数据有5个cols,包括'BusinessDescription',我想提取Business Descriptioncol 中有'dental'(不区分大小写)字样的所有行,所以我使用了:

filtered = data[data['BusinessDescription'].str.contains('dental')==True]

我得到一个空的数据帧,只有5个列的标题名称.

Answer 1

将字符串括在引号中。

df[df['col'].str.contains('test')]

谢谢

Answer 2

看来你需要的参数flags在contains:

import re

filtered = data[data['BusinessDescription'].str.contains('dental', flags = re.IGNORECASE)]

另一个解决方案,感谢Anton vBR首先转换为小写:

filtered = data[data['BusinessDescription'].str.lower().str.contains('dental')]

示例:
对于将来的编程,我建议在引用数据帧时使用关键字df而不是数据.使用该表示法是围绕SO的常用方法.

import pandas as pd

data = dict(BusinessDescription=['dental fluss','DENTAL','Dentist'])
df = pd.DataFrame(data)
df[df['BusinessDescription'].str.lower().str.contains('dental')]

  BusinessDescription
0        dental fluss
1              DENTAL

时间:

d = dict(BusinessDescription=['dental fluss','DENTAL','Dentist'])
data = pd.DataFrame(d)
data = pd.concat([data]*10000).reset_index(drop=True)

#print (data)

In [122]: %timeit data[data['BusinessDescription'].str.contains('dental', flags = re.IGNORECASE)]
10 loops, best of 3: 28.9 ms per loop

In [123]: %timeit data[data['BusinessDescription'].str.lower().str.contains('dental')]
10 loops, best of 3: 32.6 ms per loop

警告:

性能实际上取决于数据 - DataFrame匹配条件的值的大小和数量.