如何使用正则表达式过滤基于列条目选择行？答案

【问题标题】：How to select rows based off a column entry using regex to filter?如何使用正则表达式过滤基于列条目选择行？
【发布时间】：2018-10-29 02:03:43
【问题描述】：

这是我正在使用的数据框的示意图（注意，这是一个代表性示例，并不意味着展示任何列中的所有可能条目）：

Name | Screen | Placeholder for other columns

Bill | GHRF (OOC) | text

Bob | GHRF (IC) | text

Sue | IRMS/CIR (OOC) | text

John | GHRF ISOFORMS IRMS CIR (OOC) | text

我正在尝试选择 Screen 列中具有 (OOC) 的所有行。

通常，我会使用类似 dfnew = df[df['Column'] == 'Criteria'] 的内容过滤数据框，但这不适用于正则表达式。

我也尝试过dfnew = df[df['Screen'].filter(regex = r'OOC', axis = 0)]，我认为它会起作用，但没有。

有人可以向我解释如何使用正则表达式根据列条目选择行吗？

我想结束的是这样的：

Name | Screen | Placeholder

Bill | GHRF (OOC) | text

SUE | IRMS/CIR (OOC) | text

John | GHRF ISOFORMS IRMS CIR (OOC) | text

【问题讨论】：

标签： python regex pandas

【解决方案1】：

DataFrame.filter 过滤列名，而不是值。你正在寻找str.contains。

dfnew = df[df['Screen'].str.contains(r'\(OOC\)')]

或者，如果您不需要正则表达式，请将其关闭——

dfnew = df[df['Screen'].str.contains(r'(OOC)', regex=False)]

print(dfnew)
   Name                        Screen
0  Bill                    GHRF (OOC)
2   Sue                IRMS/CIR (OOC)
3  John  GHRF ISOFORMS IRMS CIR (OOC)

如果您打算对 dfnew 进行更多索引/分配，我建议您改为使用

dfnew = df[df['Screen'].str.contains(r'\(OOC\)')].copy()

为了避免以后出现SettingWithCopyWarning。

【讨论】：

感谢您的建议！另一位响应者建议使用str.extract。如果您的建议对我来说更容易理解，则语法，尤其是正则表达式部分。我不认为您可以提供一些关于为什么str.contains 可能比str.extract 更可取的见解？两种方法都会产生预期的结果，我只是想弄清楚为什么我可能会使用其中一种。
@T.Kelly 实际上，如果您只是检查收容措施，我根本不推荐extract。 str.contains 返回一个掩码。 “是还是不是”。 extract 将首先通过正则表达式捕获组提取值，然后对结果执行相等性检查。不需要正则表达式的蜿蜒两步方法。将str.contains 与此子字符串一起使用时，您甚至不需要正则表达式开关...只需使用regex=False 将其关闭即可。
@coldspped 太棒了，感谢您澄清“幕后”发生的事情。再次感谢您的帮助！

【解决方案2】：

我们可以试试str.extract

df[df.Screen.str.extract('\((.*?)\)',expand=True)[0]=='OOC']

【讨论】：

感谢您的建议！另一位响应者建议使用str.contains。如果你的建议对我来说有点难以理解，特别是正则表达式部分。我不认为您可以提供一些关于为什么str.extract 可能比str.contains 更可取的见解？两种方法都会产生预期的结果，我只是想弄清楚为什么我可能会使用其中一种。
@T.Kelly 如果您只想过滤 OOC 行 m str.contains 更好，如果您需要将来使用括号之间的数据，extract 使用起来更舒服跨度>
酷，非常感谢您的澄清。感谢您的宝贵时间！