Python 相当于 R 的 grepl 和 dplyr 过滤器 [重复]

Posted

技术标签:

【中文标题】Python 相当于 R 的 grepl 和 dplyr 过滤器 [重复]【英文标题】:Python's equivalent to R's grepl and dplyr filter [duplicate] 【发布时间】:2021-02-21 10:06:55 【问题描述】:

我想找到一种方法,使用类似于 dplyr 包的东西在 Python 中从 R 重新创建相同的命令代码。在 R 中我会这样做:

      library(dplyr)
  df <- data.frame(Countries=c('Brazil','Venezuela','Brazil, Colombia, Paraguay','Argentina','Peru','Andorra,Argentina,Chile,Uruguay'),
               Code=c(1,2,3,4,5,6))

df  %>% filter(grepl('(Brazil|Argentina)',Countries))

甚至:

    a=strsplit(as.character(df$Countries),',')
    a=lapply(a,FUN=function(t) gsub(" ","",t))
    ele=unlist(lapply(a,FUN=function(t) any(t%in%c('Brazil','Argentina'))))
    (df[ele,])

我想要的输出:

                   Countries Code
1                     Brazil    1
2 Brazil, Colombia, Paraguay    3
3                  Argentina    4
4    Argentina,Chile,Uruguay    6

在 Python 中我试过这个:

import pandas as pd
df = pd.DataFrame(dict(Countries=['Brazil','Venezuela','Brazil, Colombia, Paraguay','Argentina','Peru','Andorra,Argentina,Chile,Uruguay'], Code=[1,2,3,4,5,6]))

list_=['Brazil','Argentina']
print(df.loc[df['Countries'].isin(list_)])

但输出看起来像:

   Countries  Code
0     Brazil     1
3  Argentina     4

【问题讨论】:

【参考方案1】:

似乎您正在寻找带有对象dtypepd.Series.str 扩展(基本上您可以调用pd.Series.str.... 来获取专门用于处理正则表达式和其他string 的pandas 函数子集基于操作 - 但是这仅在数组是 dtype "object" 时才有效。

mask = df["Countries"].str.contains("Brazil|Argentina")
subset = df.loc[mask]

print(subset)
                         Countries  Code
0                           Brazil     1
2       Brazil, Colombia, Paraguay     3
3                        Argentina     4
5  Andorra,Argentina,Chile,Uruguay     6

一个巧妙的使用方法是使用 .join 函数在您的 list_ 变量上将其连接成一个可由正则表达式匹配模式使用的字符串。

list_=['Brazil','Argentina']
pattern = "|".join(list_) # Now we have "Brazil|Argentina" as a string

mask = df["Countries"].str.contains(pattern)
subset = df.loc[mask] # Same subset as the previous example

在文档中查看除.str.contains 之外的文档和其他方法 https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.str.html

【讨论】:

以上是关于Python 相当于 R 的 grepl 和 dplyr 过滤器 [重复]的主要内容,如果未能解决你的问题,请参考以下文章

使用 grepl 在 R 中提取子字符串

使用 grepl 在 R 中获取匹配的字符串

通过 data.table (R) 循环 grepl()

R - 子集 - 基于列值的 grepl 选择排除行 [重复]

R:在列表中模式的grepl之后粘贴并组合来自ifelse的多个输出

R - 为啥 str_detect 在以破折号结尾的“单词”上使用单词边界时返回与 grepl 不同的结果