如何根据列值是否是给定字符串的子字符串来过滤熊猫行？答案

【问题标题】：How to filter pandas rows based on if column values are substring of a given string?如何根据列值是否是给定字符串的子字符串来过滤熊猫行？
【发布时间】：2021-01-14 19:04:36
【问题描述】：

我有一个数据框 df，其中有一列 A。有一个给定的字符串s。

我想用在A 中具有列值的行对数据框进行子集化，这些行是给定字符串s。如果我想反过来，我会做类似df[df['A'].contains(s)] 的事情。但我想过滤掉s 是df['A'] 中值的超字符串的行。我无法找到答案，因此如果存在重复问题，请提前道歉。

【问题讨论】：

标签： python pandas string dataframe series

【解决方案1】：

我认为你不能比列表理解做得更好：

df[[x in s for x in df.A]]

但是，如果 df.A 是重复的（例如分类），那么您可以对其进行优化

key, unique_vals = pd.factorize(df.A)
mask = np.asarray([x in s for x in unique_vals])
df.loc[mask[key]]

或者如果df.A 是一个分类

key, unique_vals = df.A.cat.codes, df.A.cat.categories
mask = np.asarray([x in s for x in unique_vals])
df.loc[mask[key]]

【讨论】：

【解决方案2】：

我创建了一个示例：

s = 'sas'
df = pd.DataFrame(data={'A':['s', 'a', 'sa', 'da']})

解决办法是：

filtered_df = df[[s.find(i)!=-1 for i in df['A'].values]]

这不是熊猫的方式，但它有效。我希望它会有所帮助。

输出：

    A
0   s
1   a
2  sa

UPD：如果您不想在 s==i 处添加行，您可以修改此代码，如下所示：

df[[((s.find(i)!=-1) and (s!=i)) for i in df['A'].values]]

【讨论】：