如何使用 Python 将正则表达式应用于系列中的元素 [重复]

Posted 2023-03-12

【中文标题】如何使用 Python 将正则表达式应用于系列中的元素 [重复]

【英文标题】：How to apply regex to an element in a series using Python [duplicate]

【发布时间】：2019-10-19 21:29:31

【问题描述】：

我有一个名为“值”的数据框和列。

请找到下面的代码来创建数据框

df = pd.DataFrame('Person_id':[1,2,3,4,5],
 'Values':[np.nan,np.nan,'1.Yes','2.No', np.nan],
       'Ethnicity':['1.Chinese','2.Indian','3.Malay',np.nan,np.nan])

执行上述代码后，dataframe如下图所示

我只给出了一个示例数据，这是主程序的一部分。

从上面的数据框中，我想使用正则表达式查找特定行的“值”列是否包含“是”或“否”作为值

例如，我想知道 df['Values][2] 的值中是否包含 'Yes' 关键字/术语

为此，我编写了以下代码，但无法获得预期的输出

df['Values'] = df['Values'].astype(str) 
df['Values'][2].contains('Yes|No',regex=True)

尽管多次尝试/更改上述代码并通过 SO 进行搜索，但我无法获取/解决此问题。我收到以下错误

AttributeError: 'str' object has no attribute 'contains'

如何获取数据框中列的特定单元格中是否存在值“是”或“否”。

请注意，这是我使用 for 循环和索引的更大程序的一部分。因此，我想在单元级别执行检查并获取输出。使用 df.isin 不会有任何帮助

【问题讨论】：

import re 然后bool(re.search('Yes|No' , df['Values'][2]))?

或者：df['Values'].str.contains('Yes|No',regex=True)[2]

您忘记使用.str 访问器，例如：df['Values'].str.contains(...)...

看起来您甚至可能只想使用df['Values'].str.contains('Yes|No', na=False)创建一个新的布尔系列

不...因为您将直接处理没有contains 的str 对象，并且其本机成员资格测试没有正则表达式功能，您将拥有使用re.match，正如@Wiktor 在此处的第一条评论中所说。

【参考方案1】：

使用str.contains('Yes|No',regex=True)

例如：

import pandas as pd
import numpy as np

df = pd.DataFrame('Person_id':[1,2,3,4,5],
 'Values':[np.nan,np.nan,'1.Yes','2.No', np.nan],
       'Ethnicity':['1.Chinese','2.Indian','3.Malay',np.nan,np.nan])

print(df["Values"].str.contains('Yes|No',regex=True))

输出：

0     NaN
1     NaN
2    True
3    True
4     NaN
Name: Values, dtype: object