检查字符串是否在 Pandas 数据框中

问题描述：

我想查看我的数据框中的特定列中是否存在特定字符串。

我收到错误

ValueError：Series 的真值不明确。请使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

import pandas as pd

BabyDataSet = [('Bob', 968), ('Jessica', 155), ('Mary', 77), ('John', 578), ('Mel', 973)]

a = pd.DataFrame(data=BabyDataSet, columns=['Names', 'Births'])

if a['Names'].str.contains('Mel'):
    print ("Mel is there")

解决方案 1：

a['Names'].str.contains('Mel')将返回大小为布尔值的指示向量len(BabyDataSet)

因此，您可以使用

mel_count=a['Names'].str.contains('Mel').sum()
if mel_count>0:
    print ("There are {m} Mels".format(m=mel_count))

或者any()，如果您不关心有多少条记录符合您的查询

if a['Names'].str.contains('Mel').any():
    print ("Mel is there")

解决方案 2：

你应该使用any()

In [98]: a['Names'].str.contains('Mel').any()
Out[98]: True

In [99]: if a['Names'].str.contains('Mel').any():
   ....:     print("Mel is there")
   ....:
Mel is there

a['Names'].str.contains('Mel')给你一系列布尔值

In [100]: a['Names'].str.contains('Mel')
Out[100]:
0    False
1    False
2    False
3    False
4     True
Name: Names, dtype: bool

解决方案 3：

原帖的意思是找出字符串“Mel”是否存在于特定列中，且不包含在该列的任何字符串中。因此，使用contains是没有必要的，而且效率也不高。

简单的等于就足够了：

df = pd.DataFrame({"names": ["Melvin", "Mel", "Me", "Mel", "A.Mel"]})

mel_count = (df['names'] == 'Mel').sum() 
print("There are {num} instances of 'Mel'. ".format(num=mel_count)) 
 
mel_exists = (df['names'] == 'Mel').any() 
print("'Mel' exists in the dataframe.".format(num=mel_exists)) 

mel_exists2 = 'Mel' in df['names'].values 
print("'Mel' is in the dataframe: " + str(mel_exists2)) 

印刷：

There are 2 instances of 'Mel'. 
'Mel' exists in the dataframe.
'Mel' is in the dataframe: True

解决方案 4：

我遇到了同样的问题，我使用了：

if "Mel" in a["Names"].values:
    print("Yep")

但是这个解决方案可能会比较慢，因为 pandas 内部会根据系列创建一个列表。

解决方案 5：

如果您有需要搜索空字符串，

    a['Names'].str.contains('') 

将不起作用，因为它总是返回 True。

相反，使用

    if '' in a["Names"].values

准确反映字符串是否在系列中，包括搜索空字符串的边缘情况。

解决方案 6：

用于不区分大小写的搜索。

a['Names'].str.lower().str.contains('mel').any()

解决方案 7：

Pandas 似乎推荐df.to_numpy since其他方法仍然会引发FutureWarning：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_numpy.html#pandas.DataFrame.to_numpy

因此，在这种情况下可行的替代方案是：

b=a['Names']
c = b.to_numpy().tolist()
if 'Mel' in c:
     print("Mel is in the dataframe column Names")

解决方案 8：

import re
s = 'string'

df['Name'] = df['Name'].str.findall(s, flags = re.IGNORECASE)

#or
df['Name'] = df[df['Name'].isin(['string1', 'string2'])]

解决方案 9：

import pandas as pd

(data_frame.col_name=='str_name_to_check').sum()

解决方案 10：

如果您想保存结果，那么您可以使用这个：

a['result'] = a['Names'].apply(lambda x : ','.join([item for item in str(x).split() if item.lower() in ['mel', 'etc']]))

解决方案 11：

您应该检查代码行的值，例如检查其长度。

if(len(a['Names'].str.contains('Mel'))>0):
    print("Name Present")