检查字符串列表中的字符串是否在 Pandas DataFrame 列中

Question

我是 Python 新手，有一个关于将列表中的字符串与 df 中的列匹配的问题。

当我运行以下命令时，我希望创建一个名为“Match”的新列，如果列表中的字符串与列中的字符串匹配，则“Match”列和相应行中的值应该为 True，如果不匹配，则为 False。期望的结果将是假，假，真，假，假。由于字符串“Honda”与“Honda Civic”不完全匹配，因此它不应该为 True。与“Toy”相同，与“Toyota Corolla”并不完全匹配。

创建 df：

Cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4', np.nan],
    'Price': [22000,25000,27000,35000, 29000],
    'Liscence Plate': ['ABC 123', 'XYZ 789', 'CBA 321', 'ZYX 987', 'DEF 456']}

df = DataFrame(Cars,columns= ['Brand', 'Price', 'Liscence Plate'])

然后，我创建一个我想要搜索的值的列表，并用 | 连接。

search_for_these_values = ['Honda', 'Toy', 'Ford Focus', 'Audi A4 2019']
pattern = '|'.join(search_for_these_values)

在这里，我尝试了 str.match 命令，并给出了 True、True、True、False、False。

df['Match'] = df["Brand"].str.match(pattern, na=False)

在这里，我使用 == 运算符创建了一个循环，并给出了 False、False、False、False、False。

for i in range(0,len(pattern)):
    df['Match'] = df['Brand'] == pattern[i]

感谢您的帮助！

Answer 1

如果需要匹配列表中的值，请使用Series.isin：

df['Match'] = df["Brand"].isin(search_for_these_values)
print (df)
            Brand  Price Liscence Plate  Match
0     Honda Civic  22000        ABC 123  False
1  Toyota Corolla  25000        XYZ 789  False
2      Ford Focus  27000        CBA 321   True
3         Audi A4  35000        ZYX 987  False
4             NaN  29000        DEF 456  False

解决方案 withmatch用于检查子字符串，因此输出不同。

Series.str.contains使用和 参数匹配子字符串的替代解决方案na=False：

df['Match'] = df["Brand"].str.contains(pattern, na=False)
print (df)
            Brand  Price Liscence Plate  Match
0     Honda Civic  22000        ABC 123   True
1  Toyota Corolla  25000        XYZ 789   True
2      Ford Focus  27000        CBA 321   True
3         Audi A4  35000        ZYX 987  False
4             NaN  29000        DEF 456  False

编辑：

对于子字符串中的测试值，可以使用列表理解与循环中的值search_for_these_values并测试匹配通过in与any返回至少一个True：

df['Match'] = [any(x in z for z in search_for_these_values) 
                                if x == x 
                                else False 
                                for x in df["Brand"]]
print (df)

            Brand  Price Liscence Plate  Match
0     Honda Civic  22000        ABC 123  False
1  Toyota Corolla  25000        XYZ 789  False
2      Ford Focus  27000        CBA 321   True
3         Audi A4  35000        ZYX 987   True
4             NaN  29000        DEF 456  False