python - 如何在pandas dataframe中查找中英文组合记录

Question

在 pandas 中，数据框有两列，如“FirstName”和“LastName”。从该列中，“FirstName”列可以是英文或中文组合，与“LastName”列相同的列可以是中文或英文组合。所以，我想在dataframe中显示那些英汉组合的记录。

 code snippet:

      df.loc[df['FirstName'].str.contains(r'[a-zA-Z]+') & df['FirstName'].str.contains(r'[一种-ž]+'))]

我不知道这段代码是否有效。

我的输入数据框是:

         FirstName          LastName

        jocovich            nadhal
        smith               pointing
        西德哈斯             supreet
        yuvi                雷迪
        bsreddy             rakshita
        sreeja              巴尔加维
        雷迪                西德哈斯
        Cédric             LEMARCHAND
        Radosław           Piotrowski  

上面是我的数据框。但我需要的输出如下:

        FirstName          LastName

         西德哈斯             supreet
         yuvi                雷迪
         sreeja              巴尔加维

我想显示来自dataframe的英文-中文或中文-英文记录。

Answer 1

您可以像我在这里一样搜索 unicode。您也可以反转匹配项:

df.query("FirstName.str.contains(r'[\u4e00-\u9FFF]', regex=True) or LastName.str.contains(r'[\u4e00-\u9FFF]', regex=True)") 

or 

df[(df['FirstName'].str.contains(r'[\u4e00-\u9FFF]', regex=True)) | ( df['LastName'].str.contains(r'[\u4e00-\u9FFF]', regex=True))]

或者不匹配中文名字和姓氏:

df[((df['FirstName'].str.contains(r'[\u4e00-\u9FFF]', regex=True)) | ( df['LastName'].str.contains(r'[\u4e00-\u9FFF]', regex=True))) & (~df['FirstName'].str.contains(r'[\u4e00-\u9FFF]', regex=True) | (~df['LastName'].str.contains(r'[\u4e00-\u9FFF]', regex=True)))] 

输出:

  FirstName LastName
2      西德哈斯  supreet
3      yuvi       雷迪
5    sreeja     巴尔加维