使用 str.contains 忽略 NaN

Posted

技术标签:

【中文标题】使用 str.contains 忽略 NaN【英文标题】:Ignoring NaNs with str.contains 【发布时间】:2015-04-03 09:37:28 【问题描述】:

我想查找包含字符串的行,如下所示:

DF[DF.col.str.contains("foo")]

但是,这会失败,因为某些元素是 NaN:

ValueError: 无法使用包含 NA / NaN 值的向量进行索引

所以我求助于混淆

DF[DF.col.notnull()][DF.col.dropna().str.contains("foo")]

有没有更好的办法?

【问题讨论】:

【参考方案1】:

有一个标志:

In [11]: df = pd.DataFrame([["foo1"], ["foo2"], ["bar"], [np.nan]], columns=['a'])

In [12]: df.a.str.contains("foo")
Out[12]:
0     True
1     True
2    False
3      NaN
Name: a, dtype: object

In [13]: df.a.str.contains("foo", na=False)
Out[13]:
0     True
1     True
2    False
3    False
Name: a, dtype: bool

请参阅str.replace 文档:

na : 默认 NaN,缺失值的填充值。


因此您可以执行以下操作:

In [21]: df.loc[df.a.str.contains("foo", na=False)]
Out[21]:
      a
0  foo1
1  foo2

【讨论】:

在这里,我遇到了一种情况,a 是从 CSV 填充的,a 列包含字符串“nan”。 pandas“智能”将其转换为NaN,并在我尝试执行df.a.str.contains() 时开始抱怨。所以是的protip:确保在read_csv() 中设置列​​类型,或者之后执行df = df.where(pandas.notnull(df), "nan") 之类的操作 LOL 你救了我...如果这不在这里,我想我会经历两周的噩梦,把我的头撞到墙上:-) 绝对值得+1,哈哈 大声笑为什么不是这个默认值? 宾果游戏。这应该是默认标志! 希望 na 提供其他 str 函数,例如 str.extract()。【参考方案2】:
import folium
import pandas

data= pandas.read_csv("maps.txt")

lat = list(data["latitude"])
lon = list(data["longitude"])

map= folium.Map(location=[31.5204, 74.3587], zoom_start=6, tiles="Mapbox Bright")

fg = folium.FeatureGroup(name="My Map")

for lt, ln in zip(lat, lon):
c1 = fg.add_child(folium.Marker(location=[lt, ln], popup="Hi i am a Country",icon=folium.Icon(color='green')))

child = fg.add_child(folium.Marker(location=[31.5204, 74.5387], popup="Welcome to Lahore", icon= folium.Icon(color='green')))

map.add_child(fg)

map.save("Lahore.html")


Traceback (most recent call last):
  File "C:\Users\Ryan\AppData\Local\Programs\Python\Python36-32\check2.py", line 14, in <module>
    c1 = fg.add_child(folium.Marker(location=[lt, ln], popup="Hi i am a Country",icon=folium.Icon(color='green')))
  File "C:\Users\Ryan\AppData\Local\Programs\Python\Python36-32\lib\site-packages\folium\map.py", line 647, in __init__
    self.location = _validate_coordinates(location)
  File "C:\Users\Ryan\AppData\Local\Programs\Python\Python36-32\lib\site-packages\folium\utilities.py", line 48, in _validate_coordinates
    'got:\n!r'.format(coordinates))
ValueError: Location values cannot contain NaNs, got:
[nan, nan]

【讨论】:

这不是答案。【参考方案3】:

除了以上答案,我想说对于没有单个单词名称的列,您可以使用:-

df[df['Product ID'].str.contains("foo") == True]

希望这会有所帮助。

【讨论】:

【参考方案4】:

我不是 100% 知道为什么(实际上是来这里寻找答案),但这也有效,并且不需要替换所有 nan 值。

import pandas as pd
import numpy as np

df = pd.DataFrame([["foo1"], ["foo2"], ["bar"], [np.nan]], columns=['a'])

newdf = df.loc[df['a'].str.contains('foo') == True]

使用或不使用.loc

我不知道为什么会这样,因为我理解当您使用括号进行索引时,pandas 会将括号内的任何内容评估为TrueFalse。我不知道为什么让括号内的短语“extra boolean”有任何效果。

【讨论】:

【参考方案5】:

你也可以模仿:

DF[DF.col.str.contains(pat = '(foo)', regex = True) ]

【讨论】:

【参考方案6】:
df[df.col.str.contains("foo").fillna(False)]

【讨论】:

【参考方案7】:

您也可以使用query方法通过布尔表达式查询DataFrame的列,如下所示:

df.query('a.str.contains("foo", na=False)')

请注意,您可能不会获得性能改进,但它更具可读性(可以说)。

【讨论】:

以上是关于使用 str.contains 忽略 NaN的主要内容,如果未能解决你的问题,请参考以下文章

如何在 pandas str.contains 中使用 \b 单词边界?

使用str.contains()在加号(+)之后找不到字符串

识别包含单词的句子,并使用 str.contains 在列中显示该单词

在熊猫数据框上使用 str.contains [重复]

在 Pandas str.contains() 的正则表达式中使用变量

使用 str.contains 使用正则表达式检查列中的数值时出错