检查字符串是否在 pandas Dataframe 列中，并创建新的 Dataframe

Question

我正在尝试检查字符串是否在 Pandas 列中。我尝试了两种方法，但它们似乎都在检查子字符串。

itemName = "eco drum ecommerce"
words = self.itemName.split(" ")
df.columns = ['key','word','umbrella', 'freq']
df = df.dropna()
df = df.loc[df['word'].isin(words)]

我也尝试过这种方式，但这也会检查子字符串

words = self.itemName.split(" ")
words = '|'.join(words)
df.columns = ['key','word','umbrella', 'freq']
df = df.dropna()
df = df.loc[df['word'].str.contains(words, case=False)]

这个词是这样的："eco drum"。

然后我这样做了：

words = self.itemName.split(" ")
words = '|'.join(words)

以这样的方式结束：

eco|drum

这是"word" 专栏：

谢谢，这样可以不匹配子串吗？

Answer 1

你的想法是对的。 .contains 默认情况下将正则表达式模式匹配选项设置为 True。因此，您需要做的就是在您的正则表达式模式中添加锚点，例如"ball" 将变为 "^ball$"。

df = pd.DataFrame(columns=['key'])
df["key"] = ["largeball", "ball", "john", "smallball", "Ball"]
print(df.loc[df['key'].str.contains("^ball$", case=False)])

更具体地提到您的问题，因为您要搜索多个单词，您必须创建正则表达式模式以提供给contains。

# Create dataframe
df = pd.DataFrame(columns=['word'])
df["word"] = ["ecommerce", "ecommerce", "ecommerce", "ecommerce", "eco", "drum"]
# Create regex pattern
word = "eco drum"
words = word.split(" ")
words = "|".join("^{}$".format(word) for word in words)
# Find matches in dataframe
print(df.loc[df['word'].str.contains(words, case=False)])

代码words = "|".join("^{}$".format(word) for word in words) 被称为生成器表达式。给定['eco', 'drum']，它将返回此模式：^eco$|^drum$。