选择与字符串完全匹配的行包含

Question

我有一个数据集，我尝试只选择与列表中定义的字符串完全匹配的行。

list  = ['P:34.', 'R:ES.'] 

df = pd.DataFrame({
    'Date':['2021-01-01', '2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-02', '2021-01-02', '2021-01-03'],
    'Code':['P:34. R:ES.', 'R:ESB.', 'K2P:P:341.', 'R:ESZ', 'P:34.', 'R.ES7.', 'P 34 5', 'P:32. R:ES.'], 
    'Ratings':[9.0, 8.0, 5.0, 3.0, 2, 3, 6, 5]}) 

我使用函数str.contains 相应地选择行，但是这样我得到的行与字符串不完全匹配。

sample = df[df.Code.str.contains('|'.join(list),na=False)]

我尝试只获取列表中包含完全字符串的行（也考虑字符串末尾的点），这将是这样的：

df_exact_match = pd.DataFrame({
    'Date':['2021-01-01', '2021-01-02', '2021-01-03'],
    'Code':['P:34. R:ES.', 'P:34.', 'P:32. R:ES.'], 
    'Ratings':[9.0, 2, 5]})

非常感谢您的建议:)

Answer 1

我得到的行与字符串不完全匹配。

这是因为默认情况下Series.str.contains 假定第一个参数是正则表达式模式，而在正则表达式中，点 . 匹配任何单个字符。要匹配文字.，您必须对其进行转义（即\.）。不需要指定na=False btw。

>>> l  = ['P:34\.', 'R:ES\.'] 
>>> df[df.Code.str.contains('|'.join(l))]

         Date         Code  Ratings
0  2021-01-01  P:34. R:ES.      9.0
4  2021-01-02        P:34.      2.0
7  2021-01-03  P:32. R:ES.      5.0

Answer 2

您可以稍微调整一下您的代码。我将首先拆分“代码”列，然后将isin 与any(axis=1) 结合使用，这将允许该列表的任何值包含在您的“代码”拆分列中，该列分为几部分：

l  = ['P:34.', 'R:ES.'] 
df.loc[df['Code'].str.split(expand=True).isin(l).any(1)]

---

打印：

         Date         Code  Ratings
0  2021-01-01  P:34. R:ES.      9.0
4  2021-01-02        P:34.      2.0
7  2021-01-03  P:32. R:ES.      5.0

命名您的自定义list 也不是一个好习惯，列表。最好使用不同的名称。我还建议不要使用str.contains，因为这会返回部分匹配项，顾名思义，而不是完全匹配项。