在熊猫数据框中选择遵循特定模式的行

Question

我有一个 csv 文件，我读入了 pandas 数据框。我想将两个特定列“Notes”和“ActivityType”用作标准。如果 'Notes' 列包含字符串值 'Morning exercise' 或 'Morning exercise' 和/或 'ActivityType' 列包含任何字符串值（大多数单元格是 Null 并且我不希望 Null 值计算在内）然后新列 'MorningExercise' 并在任一条件满足时插入 1，如果都不满足则插入 0。

我一直在使用下面的代码创建一个新列，如果在“Notes”列中满足文本条件，则插入 1 或 0，但我还没有弄清楚如果“ActivityType”如何包含 1列包含任何字符串值。

JoinedTables['MorningExercise'] = JoinedTables['Notes'].str.contains(('Morning workout' or 'Morning exercise'), case=False, na=False).astype(int)

对于“ActivityType”列，我会考虑使用pd.notnull() 函数作为标准。

我真的只需要在 python 中查看是否连续满足任一条件，如果满足，则在新列中输入 1 或 0。

Answer 1

您需要设计一个正则表达式模式以与str.contains 一起使用：

regex = r'Morning\s*(?:workout|exercise)'
JoinedTables['MorningExercise'] = \
       JoinedTables['Notes'].str.contains(regex, case=False, na=False).astype(int)

---

详情

Morning       # match "Morning"
\s*           # 0 or more whitespace chars
(?:           # open non-capturing group
workout       # match "workout" 
|             # OR operator
exercise      # match "exercise"
)

该模式将查找Morning，后跟workout 或 exercise。