python - 如何在 Pandas 中测试字符串是否包含列表中的子字符串之一？

Question

是否有任何函数相当于 df.isin() 和 df[col].str.contains() 的组合？

例如，假设我有这个系列s = pd.Series(['cat','hat','dog','fog','pet'])，我想找到所有s的地方code> 包含 ['og', 'at'] 中的任何一个，我想要得到除 'pet' 之外的所有内容。

我有一个解决方案，但它相当不雅:

searchfor = ['og', 'at']
found = [s.str.contains(x) for x in searchfor]
result = pd.DataFrame[found]
result.any()

有没有更好的方法来做到这一点？

Answer 1

一个选项是使用正则表达式 | 字符来尝试匹配系列 s 中单词中的每个子字符串(仍然使用 str.包含)。

您可以通过将 searchfor 中的单词与 | 连接来构造正则表达式:

>>> searchfor = ['og', 'at']
>>> s[s.str.contains('|'.join(searchfor))]
0    cat
1    hat
2    dog
3    fog
dtype: object

正如@AndyHayden 在下面的评论中指出的那样，请注意您的子字符串是否包含您想要逐字匹配的特殊字符，例如 $ 和 ^。这些字符在正则表达式的上下文中具有特定的含义，会影响匹配。

您可以通过使用 re.escape 转义非字母数字字符来使子字符串列表更安全:

>>> import re
>>> matches = ['$money', 'x^y']
>>> safe_matches = [re.escape(m) for m in matches]
>>> safe_matches
['\\$money', 'x\\^y']

当与 str.contains 一起使用时，此新列表中的字符串将逐字匹配每个字符。