基于多个部分字符串从现有数据框创建新数据框答案

【问题标题】：Creating a new data frame from existing data frame based on multiple partial strings基于多个部分字符串从现有数据框创建新数据框
【发布时间】：2022-10-12 22:07:58
【问题描述】：

如何根据一列中值的多个部分字符串匹配从现有数据框中创建新的 pandas 数据框？

例如，如果我有一个数据框，其中一列包含“Commercial”、“Corporate”、“Private”的部分字符串，我想创建一个新的数据框，其中仅包含包含“Commercial”部分字符串的行和“Corporate”，同时忽略具有部分私有字符串的行。

【问题讨论】：

使用一些代码稍微解释一下您的问题，这将有助于我们更好地理解。
请提供足够的代码，以便其他人可以更好地理解或重现该问题。

标签： python pandas

【解决方案1】：

我将您的问题解释为想要匹配“商业”和“公司”而不是“私人”这两个词。

数据：

import pandas as pd
wantedWords = ['Commercial', 'Corporate']
notWantedWords = ['Private']
df = pd.DataFrame(['Commercial, Corporate, Private',
                   'Commercial, Corporate', 
                   'Commercial', 
                   'Corporate', 
                   'none of the words'], columns=['text'])

使用正则表达式：

reg = r'^{}'
ex = '(?=.*{})'
wantedWordMatch = reg.format(''.join(ex.format(w) for w in wantedWords))
notWantedWordMatch = reg.format(''.join(ex.format(w) for w in notWantedWords))

df['text'].str.contains(wantedWordMatch, regex=True)

0     True
1     True
2    False
3    False
4    False
Name: text, dtype: bool

~df['text'].str.contains(notWantedWordMatch, regex=True)

0    False
1     True
2     True
3     True
4     True
Name: text, dtype: bool

df[(df['text'].str.contains(wantedWordMatch, regex=True) & (~df['text'].str.contains(notWantedWordMatch, regex=True)))]

    text
1   Commercial, Corporate

使用所有（）/任何（）：

df.text.apply(lambda string: all(word in string for word in wantedWords))

0     True
1     True
2    False
3    False
4    False
Name: text, dtype: bool

df.text.apply(lambda string: any(word not in string for word in notWantedWords))

0    False
1     True
2     True
3     True
4     True
Name: text, dtype: bool

df[df['text'].apply(lambda string: (all(word in string for word in wantedWords) & any(word not in string for word in notWantedWords)))]

    text
1   Commercial, Corporate

【讨论】：