python - 使用 AND 或 OR 选项在多列中的数据框中进行多字符串搜索

Question

我可以在每列中进行单个单词搜索，但无法使用“和”“或”选项搜索用户提供的字符串搜索数量

   0     1    3   4     
0 [OH-] [Na+] NAN CCO 
                                              
1 [OH-] [Na+] CCO  Cl  

这个有效

search = 'CCO' 
df.loc[df.isin([search]).any(axis=1)].index.tolist()

                                      

对于多搜索我试过

import re

terms = ['C1', 'CCO']
p = r'\b(?:{})\b'.format('|'.join(map(re.escape, terms)))
df[df['col'].str.contains(p)]

给我 KeyError: 'col'预期输出

Search='C1' AND '[NA+]

结果 1

Search='CCO' OR 'C1'

结果 0 1

Answer 1

我以这种方式创建了您的数据框:

df = pd.DataFrame( { 0 : ["[OH-]","[Na+]","NAN","CCO" ], 1 :  ["[OH-]","[Na+]","CCO","Cl"] } ).transpose()

产生这个 df:

       0      1    2    3
0  [OH-]  [Na+]  NAN  CCO
1  [OH-]  [Na+]  CCO   Cl

我观察到您可以使用 df 上的 isin() 函数执行 OR 逻辑:

df.isin(['CCO','C1'])

产量:

       0      1      2      3
0  False  False  False   True
1  False  False   True  False

因此，您可以使用 any(1) 找出匹配的行当您使用时:

df.isin(['CCO','C1']).any(1).index.tolist()

产量:

[0, 1]

AND 的逻辑:
下面的代码段单独查找每个术语并将它们累积在结果数据框中。找到匹配的列后，检查每行中的匹配数，看是否与术语数匹配。

results = pd.DataFrame()
terms = [ 'Cl', '[Na+]' ]  
for term in terms:
      if results.empty:
        results = df.isin( [ term ] ) 
      else:
        results |= df.isin( [ term ] ) 

results['count'] = results.sum(axis=1)
print( results[ results['count'] == len( terms )  ].index.tolist() ) 

我知道有更好的方法 - 但这种方法有效(我认为)
上面的代码产生 [1]为 terms = [ 'Cl', '[Na+]' ] 和 [0,1]为 terms = [ "[OH-]","[Na+]" ] .