如何从 Pandas 数据框中筛选包含字符串模式的行[重复]

问题描述：

假设我们在 Python Pandas 中有一个如下所示的数据框：

df = pd.DataFrame({'vals': [1, 2, 3, 4], 'ids': [u'aball', u'bball', u'cnut', u'fball']})

或者，以表格形式：

ids    vals
aball   1
bball   2
cnut    3
fball   4

如何筛选包含关键字“ball”的行？例如，输出应为：

ids    vals
aball   1
bball   2
fball   4

解决方案 1：

In [3]: df[df['ids'].str.contains("ball")]
Out[3]:
     ids  vals
0  aball     1
1  bball     2
3  fball     4

解决方案 2：

df[df['ids'].str.contains('ball', na = False)] # valid for (at least) pandas version 0.17.1

逐步解释（从内到外）：

• df['ids']选择ids数据框的列（从技术上讲，该对象df['ids']属于类型pandas.Series）

• df['ids'].str允许我们将矢量化字符串方法（例如lower，contains）应用于 Series

• df['ids'].str.contains('ball')检查系列中的每个元素，以确定元素值是否包含字符串“ball”作为子字符串。结果是一个布尔值系列，表示True或False表明“ball”子字符串的存在。

• df[df['ids'].str.contains('ball')]将布尔“掩码”应用于数据框并返回包含适当记录的视图。

• na = False从考虑中删除 NA / NaN 值；否则可能会返回 ValueError。

解决方案 3：

>>> mask = df['ids'].str.contains('ball')    
>>> mask
0     True
1     True
2    False
3     True
Name: ids, dtype: bool

>>> df[mask]
     ids  vals
0  aball     1
1  bball     2
3  fball     4

解决方案 4：

如果您想将过滤的列设置为新索引，您也可以考虑使用.filter；如果您想将其保留为单独的列，那么这str.contains就是可行的方法。

假设你有

df = pd.DataFrame({'vals': [1, 2, 3, 4, 5], 'ids': [u'aball', u'bball', u'cnut', u'fball', 'ballxyz']})

       ids  vals
0    aball     1
1    bball     2
2     cnut     3
3    fball     4
4  ballxyz     5

并且您的计划是过滤所有包含ids并ball设置ids为新索引的行，您可以执行

df.set_index('ids').filter(like='ball', axis=0)

给出

         vals
ids          
aball       1
bball       2
fball       4
ballxyz     5

但filter也允许您传递正则表达式，因此您也可以仅过滤列条目以 结尾的行ball。在这种情况下，您可以使用

df.set_index('ids').filter(regex='ball$', axis=0)

       vals
ids        
aball     1
bball     2
fball     4

ballxyz请注意，现在不包括带有的条目，因为它以它开头ball但不以它结尾。

如果你想获得以 开头的所有条目，ball你可以简单使用

df.set_index('ids').filter(regex='^ball', axis=0)

屈服

         vals
ids          
ballxyz     5

列也一样；您只需更改部分即可axis=0。如果您根据列进行过滤，则结果为axis=1。