python - 检查字符串中是否存在特定子字符串(存在于数据帧的行中)

Question

尝试在 pandas 数据帧的列中查找子字符串。

下面是我的代码

    import pandas as pd

    list1=[1,2,4,5,6,10]

    list2=[3,5,86,7,6,20]

    list3=['ABC , CDE','CDE','XYZ' , 'cde','XYZ , EFG , CDE qw','IJK']

    df1=pd.DataFrame({'col1':list1,'col2':list2,'col3':list3})

    D=df1[df1.col3.str.contains('CDE', case=False)]

    print('\n \n \n ',D)

    print('\n \n \n ',df1)

原始数据框:

col1    col2    col3
1   3   ABC , CDE
2   5   CDE
4   86  XYZ
5   7   cde
6   6   XYZ , EFG , CDE qw
10  20  IJK

输出数据帧:

col1    col2    col3
1   3   ABC , CDE
2   5   CDE
5   7   cde
6   6   XYZ , EFG , CDE qw

我需要什么:

col1    col2    col3
1   3   ABC , CDE
2   5   CDE
5   7   cde

我不想要包含“XYZ、EFG、CDE qw”的 col3。我希望能够区分“CDE qw”和“CDE”。

简单来说，我想迭代 col3 中的字符串并找到确切的字符串。

当我使用 D=df1[df1.col3.str.match('CDE', case=False)] 而不是 D=df1[df1.col3.str.contains ('CDE', case=False)]

输出将是

2   5   CDE
5   7   cde

但我想要其他具有 CDE 的行。

我相信我应该使用正则表达式和 split 来处理 pandas。但我不确定如何迭代 pandas 数据帧的所有子字符串

Answer 1

我会选择列表理解

mask = [any([sub.lower() == 'cde' for sub in item.split(' , ')]) for item in df1.col3]
df1[mask]

<小时/>

您还可以使用

df1[(pd.DataFrame(df1['col3'].str.lower().str.split(' , ').tolist()) == 'cde').any(1)]

    col1    col2    col3
0   1       3       ABC , CDE
1   2       5       CDE
3   5       7       cde