pandas字符串包含查找：NaN导致值错误

Question

如果要过滤字符串在列值中的那些行，可以使用类似data.sample_id.str.contains('hph')（之前回答：check if string in pandas dataframe column is in list或Check if string is in a pandas dataframe）的内容。

但是，我的查找列包含emtpy单元格。因此，str.contains()产生NaN值，我得到索引值的错误。

`ValueError: cannot index with vector containing NA/NaN values`` 

什么工作：

# get all runs 
mask = [index for index, item in enumerate(data.sample_id.values) if 'zent' in str(item)] 

有一个比这更优雅且快速的方法（类似于str.contains()）？

Answer 1

您可以str.contains到False设置参数na：

print (df.a.str.contains('hph', na=False)) 

使用EdChum样本：

df = pd.DataFrame({'a':['hph', np.NaN, 'sadhphsad', 'hello']}) 
print (df) 
      a 
0  hph 
1  NaN 
2 sadhphsad 
3  hello 

print (df.a.str.contains('hph', na=False)) 
0  True 
1 False 
2  True 
3 False 
Name: a, dtype: bool 

Answer 2

IIUC可以过滤那些排了也

data['sample'].dropna().str.contains('hph') 

例子：

In [38]: 
df =pd.DataFrame({'a':['hph', np.NaN, 'sadhphsad', 'hello']}) 
df 

Out[38]: 
      a 
0  hph 
1  NaN 
2 sadhphsad 
3  hello 

In [39]: 
df['a'].dropna().str.contains('hph') 

Out[39]: 
0  True 
2  True 
3 False 
Name: a, dtype: bool 

那么通过调用dropna首先，你就可以放心地使用str.contains在Series因为不会有NaN值

处理空值的另一种方法是使用notnull：

In [43]: 
(df['a'].notnull()) & (df['a'].str.contains('hph')) 

Out[43]: 
0  True 
1 False 
2  True 
3 False 
Name: a, dtype: bool 

，但我认为经过na=False将清洁剂（@ jezrael的答案）