检查熊猫数据框中是不是有多个子字符串[重复]

Posted 2023-02-22

【中文标题】检查熊猫数据框中是不是有多个子字符串[重复]

【英文标题】：Check if multiple substrings are in pandas dataframe [duplicate]检查熊猫数据框中是否有多个子字符串[重复]

【发布时间】：2018-09-05 14:10:41

【问题描述】：

我有一个 pandas 数据框，我想检查某个列的子字符串。 目前我有 30 行这样的代码：

df['NAME'].str.upper().str.contains('LIMITED')) |
(df['NAME'].str.upper().str.contains('INC')) |
(df['NAME'].str.upper().str.contains('CORP')) 

它们都与or 条件相关联，如果其中任何一个为真，则该名称是公司名称而不是个人名称。

但对我来说，这似乎不是很优雅。有没有办法检查 pandas 字符串列中的“此列中的字符串是否包含以下列表中的任何子字符串”['LIMITED', 'INC', 'CORP']。

我找到了 pandas.DataFrame.isin 函数，但这仅适用于整个字符串，不适用于我的子字符串。

【问题讨论】：

注意：有一个解决方案described by @unutbu，比使用pd.Series.str.contains效率更高。如果性能是一个问题，那么这可能值得调查。

【参考方案1】：

您可以使用正则表达式，其中 '|'是正则表达式中的“或”：

l = ['LIMITED','INC','CORP']  
regstr = '|'.join(l)
df['NAME'].str.upper().str.contains(regstr)

MVCE：

In [1]: import pandas as pd

In [2]: df = pd.DataFrame('NAME':['Baby CORP.','Baby','Baby INC.','Baby LIMITED
   ...: '])

In [3]: df
Out[3]: 
           NAME
0    Baby CORP.
1          Baby
2     Baby INC.
3  Baby LIMITED

In [4]: l = ['LIMITED','INC','CORP']  
   ...: regstr = '|'.join(l)
   ...: df['NAME'].str.upper().str.contains(regstr)
   ...: 
Out[4]: 
0     True
1    False
2     True
3     True
Name: NAME, dtype: bool

In [5]: regstr
Out[5]: 'LIMITED|INC|CORP'

【讨论】：

您能否为“和”条件提出一些建议。我想检查我列表中的所有单词是否存在于数据框的每一行中。

@SyedMdIsmail '&'.join(l)

在问之前我已经试过了。它能够识别“或”条件，但不能识别“与”。感谢您的回复。