pandas DataFrame过滤器正则表达式

Posted 2023-03-12

【中文标题】pandas DataFrame过滤器正则表达式

【英文标题】：pandas DataFrame filter regex

【发布时间】：2016-09-02 00:18:49

【问题描述】：

我不明白pandasDataFramefilter。

设置

import pandas as pd

df = pd.DataFrame(
    [
        ['Hello', 'World'],
        ['Just', 'Wanted'],
        ['To', 'Say'],
        ['I\'m', 'Tired']
    ]
)

问题

df.filter([0], regex=r'(Hel|Just)', axis=0)

我希望[0] 将第一列指定为要查看的列，axis=0 指定过滤行。我得到的是这样的：

       0      1
0  Hello  World

我期待

       0       1
0  Hello   World
1   Just  Wanted

问题

什么能让我达到我的预期？

【参考方案1】：

根据the docs，

参数是互斥的，但不检查

因此，第一个可选参数items=[0] 胜过第三个可选参数regex=r'(Hel|Just)'。

In [194]: df.filter([0], regex=r'(Hel|Just)', axis=0)
Out[194]: 
       0      1
0  Hello  World

等价于

In [201]: df.filter([0], axis=0)
Out[201]: 
       0      1
0  Hello  World

这只是选择沿 0 轴在[0] 中具有索引值的行。

---

要获得所需的结果，您可以使用str.contains 创建一个布尔掩码， 并使用df.loc 选择行：

In [210]: df.loc[df.iloc[:,0].str.contains(r'(Hel|Just)')]
Out[210]: 
       0       1
0  Hello   World
1   Just  Wanted

【参考方案2】：

这应该可行：

df[df[0].str.contains('(Hel|Just)', regex=True)]

【参考方案3】：

这是一个链接方法：

df.loc[lambda x: x['column_name'].str.contains(regex_patern, regex = True)]