如何检查字符串是否在 pandas DataFrame 中的较长字符串中？答案

【问题标题】：How to check if a string is in a longer string in pandas DataFrame?如何检查字符串是否在 pandas DataFrame 中的较长字符串中？
【发布时间】：2019-12-22 01:18:45
【问题描述】：

我知道使用df.str.contains() 检查列是否包含某个子字符串非常简单。

如果我想反其道而行之：检查列的值是否包含在较长的字符串中？我进行了搜索，但找不到答案。我认为这应该很容易，就像在纯 python 中我们可以简单地 'a' in 'abc'

我尝试使用df.isin，但似乎不是为此目的而设计的。

假设我的 df 看起来像这样：

       col1      col2
0     'apple'    'one'
1     'orange'   'two'
2     'banana'   'three'

我想在col1 上查询这个 df，如果包含字符串 appleorangefruits，它应该返回前两行。

【问题讨论】：

你能不能创建minimal reproducible example，这会解释很多。
您要检查较长的字符串是否为常数，还是因情况而异？
@harvpan 谢谢。添加了一个简单的例子
@KevinTroythanks 凯文。它会有所不同，例如，我在 df 中有一个名为 ID 的列。但不知何故，用户为我提供了另一种格式更长的 ID。我想迭代 ID 列表以找出那些匹配的行。

标签： python pandas dataframe

【解决方案1】：

由于apply 的速度非常慢，所以我想我可以尝试一些其他的想法。

如果你的“long_string”比较短，而你的 DataFrame 很大，你可以做一些奇怪的事情。

from itertools import combinations
from random import choice

# Create a large DataFrame
df = pd.DataFrame(
    data={'test' : [choice('abcdef') for i in range(10_000_000)]}
)

long_string = 'abcdnmlopqrtuvqwertyuiop'

def get_all_substrings(input_string):
    length = len(input_string)
    return [input_string[i:j + 1] for i in range(length) for j in range(i,length)]

sub_strings = get_all_substrings(long_string)

df.test.isin(sub_strings)

上述apply(lambda a: a in 'longer string') 答案的运行时间约为 300 毫秒，而 2.89 秒。这快了十倍！

注意：我使用了 How To Get All The Contiguous Substrings Of A String In Python? 中的 get_all_substrings 函数

【讨论】：

【解决方案2】：

您可以在列上调用apply，即：

df['your col'].apply(lambda a: a in 'longer string')

【讨论】：

【解决方案3】：

你需要：

longstring = 'appleorangefruits'
df.loc[df['col1'].apply(lambda x: x in longstring)]

输出：

    col1    col2
0   apple   one
1   orange  two

【讨论】：

【解决方案4】：

如果你检查的字符串是一个常量，我相信你可以使用DataFrame.apply来实现它：

df.apply(lambda row: row['mycol'] in 'mystring', axis=1)

【讨论】：

【解决方案5】：

试试..

>>> df[df.col1.apply(lambda x: x in 'appleorangefruits')]
     col1 col2
0   apple  one
1  orange  two

【讨论】：