在 Pandas 中的多列上查找字符串

Posted 2023-03-11

【中文标题】在 Pandas 中的多列上查找字符串

【英文标题】：Finding string over multiple columns in Pandas

【发布时间】：2018-04-21 05:27:42

【问题描述】：

我试图找出一个字符串是否存在于多个列中。如果字符串存在，我想返回 1，如果它不作为数据框中的新系列，我想返回 0。

搜索论坛后，我知道可以使用 str.contains，但我搜索了 100 多个列，因此一次处理单个系列对我来说效率不高。

如果相关，列中有一些 NA。

示例简化数据框：

d = 'strings_1': ['AA', 'AB', 'AV'], 'strings_2': ['BB', 'BA', 'AG'], 
'strings_1': ['AE', 'AC', 'AI'], 'strings_3': ['AA', 'DD', 'PP'], 
'strings_4': ['AV', 'AB', 'BV']
simple_df = pd.DataFrame(data=d)

例如，如果我有兴趣查找“AA”，我想返回以下数据框。

示例目标数据框：

d = 'strings_1': ['AA', 'AB', 'AV'], 'strings_2': ['BB', 'BA', 'AG'], 
'strings_1': ['AE', 'AC', 'AI'], 'strings_3': ['AA', 'DD', 'PP'], 
'strings_4': ['AV', 'AB', 'BV'], 'AA_TRUE': [1, 0, 0]
target_df = pd.DataFrame(data=d)

非常感谢您的帮助。

【问题讨论】：

你有字符串列表吗？你说 `1 如果字符串存在`哪个字符串？

在我的示例中它是 AA，但是是的，会有一个我感兴趣的列表。我可能会单独分配它们，因为我想要多个标签。

下次也将其添加到问题中。我们怎么能猜到你有一个包含 ['AA'] 的列表？

谢谢会做（在例子中不是很明显吗？）

【参考方案1】：

如果需要检查混合值 - 数字与字符串比较由 values 创建的 numpy 数组，请使用 DataFrame.any 每行检查至少一个 True 并最后转换为 int：

simple_df['new'] = (simple_df.values == 'AA').any(1).astype(int)
#or cast all values to string before comparing
#simple_df['new'] = (simple_df.astype(str)== 'AA').any(1).astype(int)
print (simple_df)
  strings_1 strings_2 strings_3 strings_4  new
0        AE        BB        AA        AV    1
1        AC        BA        DD        AB    0
2        AI        AG        PP        BV    0

详情：

print ((simple_df.values == 'AA'))
[[False False  True False False]
 [False False False False False]
 [False False False False False]]

print ((simple_df.values == 'AA').any(1))
[ True False False]

如果需要检查子串：

simple_df['new'] = simple_df.applymap(lambda x: 'G' in x).any(1).astype(int)
print (simple_df)
  strings_1 strings_2 strings_3 strings_4  new
0        AE        BB        AA        AV    0
1        AC        BA        DD        AB    0
2        AI        AG        PP        BV    1

【讨论】：

how to use two substrings at a time in entire data. like here using G ,can use E and G at a time ?

simple_df.applymap(lambda x: 'G|E' in x).any(1).astype(int) 我这样写但它没有给出输出

@dondapati - 需要simple_df.applymap(lambda x: any(y in x for y in ['G','E']))

can we apply the above function with selected columns ? just apply the 1 and 2 columns

@dondapati - 当然，使用simple_df.iloc[:, :1].applymap(lambda x: any(y in x for y in ['G','E']))