如何在 pandas str.contains 中使用 \b 单词边界？

Posted 2023-03-12

【中文标题】如何在 pandas str.contains 中使用 \\b 单词边界？

【英文标题】：How to use \b word boundary in pandas str.contains?如何在 pandas str.contains 中使用 \b 单词边界？

【发布时间】：2014-04-17 02:03:34

【问题描述】：

使用 str.contains 时是否有等价物？

以下代码因为“Sa”而错误地将“Said Business School”列在类别中。如果我可以创建一个单词边界，它将解决问题。在搞砸之后放一个空格。我正在使用熊猫，它们是 dfs。我知道我可以使用正则表达式，但只是好奇我是否可以使用字符串来使其更快

gprivate_n = ('Co|Inc|Llc|Group|Ltd|Corp|Plc|Sa |Insurance|Ag|As|Media|&|Corporation')
df.loc[df[df.Name.str.contains('0'.format(gprivate_n))].index, "Private"] = 1 

【问题讨论】：

对不起，我用的是熊猫！

只要使用正则表达式分词...

@poke：需要使用r'\b...'（原始字符串）。与正则表达式相同的老问题。

【参考方案1】：

这与正则表达式中的旧 Python 问题相同，其中 '\b' 应作为 raw-string r'\b...' 传递。或者不太理想，双重转义 ('\\b')。

所以你的正则表达式应该是：

gprivate_n = (r'\b(Co|Inc|Llc|Group|Ltd|Corp|Plc|Sa |Insurance|Ag|As|Media|&|Corporation)')

【参考方案2】：

单词边界不是字符，所以用.contains 找不到。您需要使用正则表达式或将字符串拆分为单词，然后检查您当前在 gprivate_n 中定义的集合中每个单词的成员资格。

【讨论】：

在使用\\b 而不是\b 和/或原始字符串时，可以使用str.contains 捕获单词边界。见link 和link。

@PawelKranzberg：这实际上是关于转义或原始字符串的老问题，所以使用r\b...

这实际上是不正确的：\b 可以与str.contains 一起使用，您只需要原始字符串：r'\b...'