如何根据列表从熊猫数据框中过滤子字符串？

Question

我知道这是一个被反复问过的问题，但我对列表理解不太擅长，而且我的代码有一点小变化。我有一个包含关键字的数据框，如果关键字包含一个或多个专用列表中的关键字，我想过滤它们。请注意，我不是在寻找确切的表达式，只是在数据框中出现子字符串。基本上我认为它应该是这样的：substring_list = ['abc', 'def']df[df['tag'].str.contains(substring) for substring in substring_list]我不断收到语法错误。有什么想法吗？感谢支持！

Answer 1

Pandas 进行二进制过滤，因此它返回一个 True / False 列表，对应于字符串是否包含您的键，您可以对所有条件进行按位运算和运算，因此您可以获得包含所有子字符串的字符串或其中任何一个（取决于您使用的是 'and' & 还是 'or' | ）

df[df['tag'].str.contains('abc') | df['tag'].str.contains('def')]

Answer 2

简单地试试这个：

通过将模式中的单词与|以下内容连接来构建正则表达式来使用模式库搜索：

df[df.tag.str.contains('|'.join(substring_list))]

如果您只有几个字符串要搜索，那么 simple 可以像下面这样使用：

df[df.tag.str.contains("abc|def")]

示例说明：

>>> df

   tag

0  abc

1  edf

2  abc

3  def

4  efg

>>> df[df.tag.str.contains("abc|def")]

   tag

0  abc

2  abc

3  def

>>> substring_list = ['abc', 'def']

>>> df[df.tag.str.contains('|'.join(substring_list))]

   tag

0  abc

2  abc

3  def

Answer 3

使用：

df['tag'].str.contains('|'.join(substring_list))