通过在一列字符串中查找确切的单词（未组合）来过滤 DataFrame

Posted 2023-02-23

【中文标题】通过在一列字符串中查找确切的单词（未组合）来过滤 DataFrame

【英文标题】：Filtering DataFrame by finding exact word (not combined) in a column of strings

【发布时间】：2016-09-24 06:42:06

【问题描述】：

我的 DataFrame 有两列：

Name  Status
 a    I am Good
 b    Goodness!!!
 c    Good is what i feel
 d    Not Good-at-all

我想过滤 Status 包含字符串“Good”作为其确切单词的行，而不是与任何其他单词或字符组合。

所以输出将是：

Name  Status
a    i am Good
c    Good is what i feel

另外两行中有一个“Good”字符串，但与其他字符混合，因此不应被拾取。

我试过了：

d = df[df['Status'].str.contains('Good')]  # But all rows come up

我相信像(r'\bGood\b', Status) 这样的正则表达式会做到这一点，但这无法将其总结在一起。以及如何/在哪里可以将正则表达式放入 DataFrame 过滤条件以实现此目的？以及如何实现startswith或endswith'Good'（精确词搜索）？

【参考方案1】：

如果您将“精确”定义为没有其他字符（包括定义单词边界 \b 的标点符号），您可以改为检查前导和尾随空格和/或开始/结束锚点：

>>> df[df['Status'].str.contains(r'(?:\s|^)Good(?:\s|$)')]
  Name               Status
0    a            I am Good
2    c  Good is what i feel

解释：

(?:\s|^) 是寻找空格字符 (\s) 或字符串开头 (^) 的非捕获组。

Good 是您要查找的单词。

(?:\s|$) 是寻找空格字符 (\s) 或字符串结尾 ($) 的非捕获组。

【讨论】：

@ajcr-谢谢，我接受你的回答，但正如你所提到的，我可以包含一些特殊的字符，比如！ ?...所以我很好奇我将如何允许一些/几个字符与“Good”结合使用“Good`s”或“Good！”。你能帮忙吗？

您可以创建一个允许跟随“好”的字符的字符类，例如! ? '。第二个字符类将是"(?:[\s!?']|$)"。

@AlexRiley 你能帮帮我吗？我只想匹配行中的特定字符串。我有带字符串的列，我只想用正则表达式计算那个确切的字符串？如果找到good.

，则从上面的答案中跳过

【参考方案2】：

如果您正在查看带有逗号的普通文本，则添加逗号也很有用，如下所示。

df[df['Status'].str.contains(r'(?:\s|^)Good(?:,\s|$)')]

【参考方案3】：

基于类似的question/answer，您还可以动态构建查询，如下所示：

base = r'^'
expr = '(?:\s|^)(?:,\s|$)'
string='Good'
df[df['Status'].str.contains(base.format(''.join(expr.format(string))))]

这对我过滤数据框很有帮助。