如果搜索的字符串包含字符串开头的子字符串，Pandas string.contains 不起作用答案

【问题标题】：Pandas string.contains doesn't work if searched string contains the substring at the beginning of the string如果搜索的字符串包含字符串开头的子字符串，Pandas string.contains 不起作用
【发布时间】：2020-05-24 19:18:40
【问题描述】：

我正在使用 str.contains 搜索列包含特定字符串作为子字符串的行

df[df['col_name'].str.contains('find_this')]

这将返回“find_this”在字符串中某处的所有行。但是，在 df['col_name'] 中的字符串以 'find_this' 开头的罕见但重要的情况下，上述查询不会返回此行。

str.contains() 在应该返回 true 的地方返回 false。

任何帮助将不胜感激，谢谢！

编辑我已按要求添加了一些示例数据。 Image of dataframe. 我想更新“Eqvnt_id”列，例如，“Course_ID”列包含 AAS 102 的行都具有相同的“Eqvnt_id”值。

为此，我需要能够在“Course_ID”中的字符串中搜索“AAS 102”，以便找到合适的行。但是，当我这样做时：

df[df['Course_ID'].str.contains('AAS 102')]

查询中没有出现“AAS 102 (ENGL 102, JST 102, REL 102)”的行！

数据类型都是对象。我已经尝试将它们映射并将它们应用于字符串类型，但它对查询的成功没有任何影响。

图片中的数据可以在https://github.com/isaachowen/stackoverflowquestionfiles找到

【问题讨论】：

您能在您的问题中添加一些示例数据吗？因为我认为这是一些与数据相关的问题。
这应该可以。您可能遇到一些数据编码问题。检查一下
@jezrael 和 Chayan，我添加了一个示例。我不确定您想到了什么数据编码问题，有什么想法吗？
一个想法 - 真实数据中应该有 2 个或更多空格或制表符，最好将列转换为列表和检查
@jezrael 不幸的是，事实并非如此。我已经制作了另一列以逗号分隔的值列表（仍然是一个字符串），并且存在相同的问题。该示例只是“AAS 102,ENGL 102,JST 102,REL 102”

标签： python string pandas substring contains

【解决方案1】：

TLDR：尝试使用 pandas.Series.str.normalize()，尝试不同的 Unicode 形式，直到问题得到解决。 “NFKC”对我有用。

问题与我正在执行的列中的数据格式有关...

df['column'].str.contains('substring')

...开始操作。使用 pandas.Series.str.normalize() 函数有效。 Link here. 有时，在某些我无法刻意重新创建的情况下，字符串会在字符串的开头或结尾附加 '\xa0' 和 '\n' 。 This post 帮助解决如何处理该问题。在那篇文章之后，我循环遍历了每个字符串列并更改了 unicode 形式，直到找到有效的方法：'NFKC'。

【讨论】：

【解决方案2】：

您可以改用 pandas.Series.str.find() - 它返回找到字符串的索引 - 如果它在开头，则返回的索引将为 0。如果找不到字符串，则返回 - 1.

df[df['col_name'].str.find('find_this') != -1]

如果这有帮助，请告诉我！

【讨论】：

有什么解释为什么这个答案被否决了吗？
我不确定为什么这被否决了，尽管当我尝试代码时遇到了同样的问题。有人说这可能是数据类型问题，但我不确定如何更改列中的数据才能正常工作。