熊猫数据框列表部分字符串匹配python [重复]

Posted 2023-03-12

【中文标题】熊猫数据框列表部分字符串匹配python [重复]

【英文标题】：pandas dataframe list partial string matching python [duplicate]

【发布时间】：2016-10-18 06:14:01

【问题描述】：

我有一个数据框df:

df:

        chr          gene_name
0        1           ARF3
1        1           ABC
2        1           ARF3, ENSG123
3        1           ENSG,ARF3
4        1           ANG
5        2           XVY
6        2           PQR
7        3           RST
8        4           TAC 

还有一个基因列表

gene_list = ['ARF3','ABC' ]

现在，我需要从数据框 (df) 中获取基因名称与 gene_list 中的元素完全匹配的行。

所以，我尝试了：

df2 = df1[df.gene_name.isin(gene_list)]

我检索到：

       chr           gene_name
0        1           ARF3
1        1           ABC

但我期待的是：

        chr          gene_name
0        1           ARF3
1        1           ABC
2        1           ARF3, ENSG123
3        1           ENSG,ARF3

所以基本上数据框中的所有行，其中gene_list 中的元素是数据框中gene_name 的子字符串。

我曾想过使用.contains()，如果我正在寻找另一种方式，即数据框中的gene_name 将是gene_list 中元素的子字符串。

感谢所有帮助

【参考方案1】：

您可以将contains 与join 一起使用所有值与| (or)：

gene_list = ['ARF3','ABC' ]

print ('|'.join(gene_list))
ARF3|ABC

print (df.gene_name.str.contains('|'.join(gene_list)))
0     True
1     True
2     True
3     True
4    False
5    False
6    False
7    False
8    False
Name: gene_name, dtype: bool

df2 = df[df.gene_name.str.contains('|'.join(gene_list))]
print (df2)
   chr     gene_name
0    1          ARF3
1    1           ABC
2    1  ARF3,ENSG123
3    1     ENSG,ARF3

【讨论】：

嗯，如果您只需要过滤器值，此解决方案效果很好。它是如何工作的？

这个解决方法有问题吗？我可以删除它吗？