python-3.x - 如何检查 Pandas 行是否包含列表的任何完整字符串或子字符串？

Question

我有一个字符串列表

list_ = ['abc', 'def', 'xyz']

我有一个 df 和 CheckCol 列，我想检查 CheckCol 中的值是否包含整个子字符串列表元素。

如果是这样，我想将原始值提取到新列 NewCol 中。

CheckCol
'a'
'ab'
'abc'
'abc-de'

进入

# What I want
CheckCol        NewCol
'a'
'ab'
'abc'           'abc'
'abc-de'       'abc-de'

但是，我的以下代码只能识别准确的完整字符串，而不能识别我要查找的子字符串。

df['NewCol'] = np.where(df['CheckCol'].isin(list_), df['CheckCol'], '')

并给予

# What I get
CheckCol        NewCol
'a'
'ab'
'abc'           'abc'
'abc-de'       

编辑:将 list 更改为 list_

Answer 1

我认为“最简单”的实现解决方案是使用正则表达式。在正则表达式中，管道 | 表示或。通过执行 '|'.join(yourlist)，我们得到了我们想要检查的子字符串。

import pandas as pd
import numpy as np

list_ = ['abc', 'def', 'xyz']

df = pd.DataFrame({
    'CheckCol': ['a','ab','abc','abd-def']
})

df['NewCol'] = np.where(df['CheckCol'].str.contains('|'.join(list_)), df['CheckCol'], '')

print(df)

#  CheckCol   NewCol
#0        a         
#1       ab         
#2      abc      abc
#3  abd-def  abd-def

---

注意:您的变量名 list 已更改为 list_。尽量避免使用保留的 Python 命名空间。