Pandas如何提取含有指定字符串的行

今天小編給大家分享一下Pandas如何提取含有指定字符串的行的相關知識點，內容詳細，邏輯清晰，相信大部分人都還太了解這方面的知識，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

行的提取（選擇）方法

完全匹配

• ==

部分匹配

• str.contains()：包含一個特定的字符串

• 參數na：缺少值NaN處理

• 參數case：大小寫我的處理

• 參數regex：使用正則表達式模式

• str.endswith（）：以特定字符串結尾

• str.startswith（）：以特定的字符串開頭

• str.match（）：匹配正則表達式模式

要提取部分匹配的行，可以使用pandas的（str.xxx（））方法，根據指定條件提取的字符串方法。
這次以以下數據為例

import pandas as pd

df = pd.read_csv('./data/08/sample_pandas_normal.csv').head(3)
print(df)
#       name  age state  point
# 0    Alice   24    NY     64
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70

行的提取（選擇）方法

首先，展示如何從pandas.DataFrame中提取（選擇）行以獲得新的pandas.DataFrame。

使用布爾值的布爾列表（數組）或pandas.Series的話，只能提取（選擇）True行。

mask = [True, False, True]
df_mask = df[mask]
print(df_mask)
#       name  age state  point
# 0    Alice   24    NY     64
# 2  Charlie   18    CA     70

因此，對于具有字符串元素的列，是否能夠獲得根據條件的布爾列表就足夠了。

完全匹配

==

如果元素與字符串完全匹配，則使用==獲取為True的pandas.Series。

print(df['state'] == 'CA')
# 0    False
# 1     True
# 2     True
# Name: state, dtype: bool

print(df[df['state'] == 'CA'])
#       name  age state  point
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70

部分匹配

str.contains()：包含一個特定的字符串

pandas.Series字符串方法str.contains（）允許獲取包含特定字符串的pandas.Series.

print(df['name'].str.contains('li'))
# 0     True
# 1    False
# 2     True
# Name: name, dtype: bool

print(df[df['name'].str.contains('li')])
#       name  age state  point
# 0    Alice   24    NY     64
# 2  Charlie   18    CA     70

請注意，默認情況下，第一個參數中指定的字符串將作為正則表達式模式進行處理，如下所述。

參數na：缺少值NaN處理

如果元素是缺失值NaN，則默認情況下它將返回NaN而不是True或False。因此，使用pandas.Series提取該行是錯誤的。

df_nan = df.copy()
df_nan.iloc[2, 0] = float('nan')
print(df_nan)
#     name  age state  point
# 0  Alice   24    NY     64
# 1    Bob   42    CA     92
# 2    NaN   18    CA     70

print(df_nan['name'].str.contains('li'))
# 0     True
# 1    False
# 2      NaN
# Name: name, dtype: object

# print(df_nan[df_nan['name'].str.contains('li')])
# ValueError: cannot index with vector containing NA / NaN values

可以通過str.contains（）的參數na來指定替換NaN結果的值。

print(df_nan['name'].str.contains('li', na=False))
# 0     True
# 1    False
# 2    False
# Name: name, dtype: bool

print(df_nan['name'].str.contains('li', na=True))
# 0     True
# 1    False
# 2     True
# Name: name, dtype: bool

用作條件時，如果na = True，則選擇NaN的行，如果na = False，則不選擇NaN的行。

參數case：大小寫我的處理

默認情況下，區分大小寫。如果參數case為False，則case被忽略。

print(df['name'].str.contains('LI'))
# 0    False
# 1    False
# 2    False
# Name: name, dtype: bool

print(df['name'].str.contains('LI', case=False))
# 0     True
# 1    False
# 2     True
# Name: name, dtype: bool

參數regex：使用正則表達式模式

使用str.contains（）時要記住的一件事是，默認情況下，指定為第一個參數的字符串將作為正則表達式模式進行處理。

print(df['name'].str.contains('i.*e'))
# 0     True
# 1    False
# 2     True
# Name: name, dtype: bool

如果參數ragex為False，則確定是否包含第一個參數的字符串本身。

print(df['name'].str.contains('i.*e', regex=False))
# 0    False
# 1    False
# 2    False
# Name: name, dtype: bool

例如，如果要判斷是否包含正則表達式的特殊字符，例如？，。，*，則需要設置regex = False。當然，可以指定一個正則表達式模式，以轉義\？等特殊字符。

請注意，默認值可能會導致錯誤。

df_q = df.copy()
df_q.iloc[2, 0] += '?'
print(df_q)
#        name  age state  point
# 0     Alice   24    NY     64
# 1       Bob   42    CA     92
# 2  Charlie?   18    CA     70

# print(df_q['name'].str.contains('?'))
# error: nothing to repeat at position 0

print(df_q['name'].str.contains('?', regex=False))
# 0    False
# 1    False
# 2     True
# Name: name, dtype: bool

print(df_q['name'].str.contains('\?'))
# 0    False
# 1    False
# 2     True
# Name: name, dtype: bool

str.contains（）等同于re.search（），并且可以在flags參數中指定正則表達式標志。如稍后所述，還有對應于re.match（）的str.match（）。

請注意，下面要介紹的str.endswith（）如果想要確定end ?，會更容易，如本例所示。

str.endswith（）：以特定字符串結尾

pandas.Series字符串方法str.endswith（）可以獲取以特定字符串結尾的pandas.Series。

print(df['name'].str.endswith('e'))
# 0     True
# 1    False
# 2     True
# Name: name, dtype: bool

print(df[df['name'].str.endswith('e')])
#       name  age state  point
# 0    Alice   24    NY     64
# 2  Charlie   18    CA     70

str.endswith（）也有一個參數na。如果要選擇缺失值NaN的行，則設置na = True；如果不想選擇，則將na = False設置。

沒有參數case，因此它始終區分大小寫。

另外，第一個參數的字符串在確定中照原樣使用，而不作為正則表達式模式處理。

str.startswith（）：以特定的字符串開頭

pandas.Series字符串方法str.startswith（）可以獲取以特定字符串開頭的pandas.Series。

print(df['name'].str.startswith('B'))
# 0    False
# 1     True
# 2    False
# Name: name, dtype: bool

print(df[df['name'].str.startswith('B')])
#   name  age state  point
# 1  Bob   42    CA     92

str.match（）：匹配正則表達式模式

pandas.Series字符串方法str.match（）可以獲取與正則表達式模式匹配的pandas.Series。

print(df['name'].str.match('.*i.*e'))
# 0     True
# 1    False
# 2     True
# Name: name, dtype: bool

print(df[df['name'].str.match('.*i.*e')])
#       name  age state  point
# 0    Alice   24    NY     64
# 2  Charlie   18    CA     70

如上所述，str.match（）對應于re.match（），并確定字符串的開頭是否與模式匹配。如果不是一開始就為False。

print(df['name'].str.match('.*i'))
# 0     True
# 1    False
# 2     True
# Name: name, dtype: bool

print(df['name'].str.match('i.*e'))
# 0    False
# 1    False
# 2    False
# Name: name, dtype: bool

當需要確定是否包括與模式匹配的部分時，不僅在開始時，而且默認使用與上述re.search（）等效的re.contains（）（regex = True）。str.match（）與str.contains（）可以以相同的方式指定參數na，case和flag。

以上就是“Pandas如何提取含有指定字符串的行”這篇文章的所有內容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會為大家更新不同的知識，如果還想學習更多的知識，請關注億速云行業資訊頻道。