Pandas str.contains 用于部分字符串的精确匹配

Posted 2023-02-23

【中文标题】Pandas str.contains 用于部分字符串的精确匹配

【英文标题】：Pandas str.contains for exact matches of partial strings

【发布时间】：2016-01-16 13:59:07

【问题描述】：

我有一个 DataFrame（我称之为test），其中有一列包含文件路径，我想使用部分路径过滤数据。

                              full_path
0    C:\data\Data Files\BER\figure1.png
1    C:\data\Data Files\BER\figure2.png
2    C:\data\Previous\Error\summary.png
3        C:\data\Data Files\Val\1x2.png
4        C:\data\Data Files\Val\2x2.png
5         C:\data\Microscopy\defect.png

找到的部分路径是：

ex = 'C:\\data\\Microscopy'

我试过str.contains 但是，

test.full_path.str.contains(ex)

0    False
1    False
2    False
3    False
4    False
5    False

我预计索引 5 的值为 True。起初我认为问题可能在于路径字符串实际上不匹配，因为与转义字符不同，但是：

ex in test.full_path.iloc[5]

等于True。经过一番挖掘，我认为str.contains 的参数应该是一个正则表达式，所以部分路径中的“\”可能把事情搞砸了？

我也试过了：

test.full_path.apply(lambda x: ex in x)

但这给出了NameError: name 'ex' is not defined。这些 DataFrame 中可能有很多行，所以我还担心 apply 函数可能效率不高。

关于如何在 DataFrame 列中搜索 exact 部分字符串匹配项的任何建议？

谢谢！

【参考方案1】：

您可以将regex=False 传递给str.contains，以避免在解释参数时混淆：

>>> df.full_path.str.contains(ex)
0    False
1    False
2    False
3    False
4    False
5    False
Name: full_path, dtype: bool
>>> df.full_path.str.contains(ex, regex=False)
0    False
1    False
2    False
3    False
4    False
5     True
Name: full_path, dtype: bool

（除此之外：您的 lambda x: ex in x 应该可以工作。NameError 表明您由于某种原因没有定义 ex。）

【讨论】：

感谢帝斯曼！我应该在文档中发现这一点。 （我还认为 lambda 表达式应该可以工作。ex 肯定是在代码中定义的......也许它与我使用 python 调试器在set_trace 尝试它的事实有关）。