pandas：测试字符串是否包含列表中的一个子字符串

Question

是否有任何函数可能等效于df.isin()和df[col].str.contains()的组合？

例如，说我有一系列 s = pd.Series(['cat','hat','dog','fog','pet'])，我想找个地方s含有任何的['og', 'at']，我希望得到的一切，但宠物的所有地方。

我有一个解决方案，但是它是相当不雅：

searchfor = ['og', 'at'] 
found = [s.str.contains(x) for x in searchfor] 
result = pd.DataFrame[found] 
result.any() 

有没有更好的方式来做到这一点？

Answer 1

一种方法是使用正则表达式|字符来尝试匹配系列s（仍使用str.contains）中的单词中的每个子字符串。

您可以通过|加盟searchfor的话构建正则表达式：

>>> searchfor = ['og', 'at'] 
>>> s[s.str.contains('|'.join(searchfor))] 
0 cat 
1 hat 
2 dog 
3 fog 
dtype: object 

正如@AndyHayden在下面的评论中指出，照顾，如果你的子有特殊字符，如$和^要从字面上匹配。这些字符在正则表达式的上下文中具有特定的含义，并会影响匹配。在这个新的列表将与str.contains使用时，每一个字符地匹配

>>> import re 
>>> matches = ['$money', 'x^y'] 
>>> safe_matches = [re.escape(m) for m in matches] 
>>> safe_matches 
['\\$money', 'x\\^y'] 

的字符串：

你可以让你通过子逃避非字母数字字符更安全的清单，re.escape。

Answer 2

您可以使用OR (|)正则表达式模式单独使用str.contains：

s[s.str.contains('og|at')] 

或者你可以在系列添加到dataframe然后使用str.contains：

df = pd.DataFrame(s) 
df[s.str.contains('og|at')] 

输出：

0 cat 
1 hat 
2 dog 
3 fog