如何从大熊猫数据帧

Question

过滤包含字符串模式行假设我们有在Python大熊猫的数据帧，看起来像这样：

df = pd.DataFrame({'vals': [1, 2, 3, 4], 'ids': [u'aball', u'bball', u'cnut', u'fball']}) 

或者，以表格的形式：

ids vals 
aball 1 
bball 2 
cnut 3 
fball 4 

如何过滤包含关键词“球？”的行吗？例如，输出应该是：

ids vals 
aball 1 
bball 2 
fball 4 

Answer 1

In [3]: df[df['ids'].str.contains("ball")] 
Out[3]: 
    ids vals 
0 aball  1 
1 bball  2 
3 fball  4 

Answer 2

>>> mask = df['ids'].str.contains('ball')  
>>> mask 
0  True 
1  True 
2 False 
3  True 
Name: ids, dtype: bool 

>>> df[mask] 
    ids vals 
0 aball  1 
1 bball  2 
3 fball  4 

Answer 3

df[df['ids'].str.contains('ball', na = False)] # valid for (at least) pandas version 0.17.1 

步骤一步解释（从内到外）：

• df['ids']选择的所述ids柱数据帧（技术上，对象df[ids]是pandas.Series的类型）
• df['ids'].str允许我们应用矢量化的字符串方法（例如，lower，contains）到系列
• df['ids'].str.contains('ball')检查每个Series元素作为该元素的值是否具有字符串“球”作为子字符串。结果是一系列布尔值指示True或False关于“球”子串的存在。
• df[df['ids'].str.contains('ball')]将布尔'mask'应用于数据框并返回包含适当记录的视图。
• na = False从考虑中删除NA/NaN值;否则可能会返回一个ValueError。

Answer 4

如果您想将您筛选的列设置为新索引，那么您也可以考虑使用.filter;如果你想保持它作为一个单独的列，然后str.contains是要走的路。

比方说，你有

df = pd.DataFrame({'vals': [1, 2, 3, 4, 5], 'ids': [u'aball', u'bball', u'cnut', u'fball', 'ballxyz']}) 

     ids vals 
0 aball  1 
1 bball  2 
2  cnut  3 
3 fball  4 
4 ballxyz  5 

，你的计划是过滤器，其中ids包含ball并设置ids新索引的所有行，你可以做

df.set_index('ids').filter(like='ball', axis=0) 

这给

  vals 
ids   
aball  1 
bball  2 
fball  4 
ballxyz  5 

但是filter还允许您传递正则表达式，因此您还可以仅筛选列条目以ball结尾的那些行。在这种情况下，你使用现在，因为它与ball开始，不与它到底是不是包含ballxyz进入

df.set_index('ids').filter(regex='ball$', axis=0) 

     vals 
ids   
aball  1 
bball  2 
fball  4 

注意。

如果你想获得与ball开始的所有条目，你可以简单的使用

df.set_index('ids').filter(regex='^ball', axis=0) 

产生

  vals 
ids   
ballxyz  5 

同一作品的列;所有你需要改变的是axis=0部分。如果你根据列进行过滤，那将是axis=1。