删除不以特定单词开头/不包含特定单词的行

Question

我有以下输出Age'1 year old','14 years old', 'music store', '7 years old ','16 years old ',使用这行代码后创建df['Age']=df['Age'].str.split('.', expand=True,n=0)[0]df['Age'].tolist()我想从数据集中删除不以数字或数字 + 年 + 旧或数字 + 年 + 旧开头的行（最好使用它的副本或过滤后的新行）。预期产出Age (in a new dataset filtered)'1 year old','14 years old', '7 years old ','16 years old ',我怎么办？

Answer 1

使用Series.str.contains并创建一个布尔掩码来过滤数据框：

m = df['Age'].str.contains(r'(?i)^\d+\syears?\sold')

df1 = df[m]

结果：

# print(df1)

             Age

0     1 year old

1   14 years old 

3    7 years old

4   16 years old

您可以测试正则表达式模式here。

Answer 2

下面的代码查找以撇号开头、后跟数字的文本，并仅保留这些行：

df = pd.read_clipboard(sep=';')

df.loc[df.Age.str.match("\'\d+")]

            Age

0   '1 year old',

1   '14 years old',

3   '7 years old ',

4   '16 years old ',

请注意，这仅限于撇号和数字，@Shubham 的解决方案涵盖了更多