我有一个名为 df 的熊猫数据框，看起来像这样
Name
------
Mike
Noel
Kim
Anna
Luke
joseph
joe
我如何仅列出名称中间包含单词“n”或“k”的名称。不是第一个字母也不是最后一个字母。结果是
namelist = [Mike, Anna, Luke]
【问题讨论】：
Mike严格来说没有中间字母
df.loc[df.Name.str.contains('\w[nk]\w'), 'Name'].tolist()
标签： python string pandas split
选项 1
你可以这样做，使用str.contains -
df.loc[df.Name.str.contains(r'\w[nk]\w'), 'Name'].tolist()
['Mike', 'Anna', 'Luke']
详情
一、正则表达式——
\w # any alpha-numeric char
[nk] # character class; letters "n" and "k"
\w # any alpha-numeric char
这样可以确保，如果单词以“n”或“k”开头或结尾（不包含在单词中间），它不会被拾取（“n”或“k”必须在两边都有东西）。
一个类似的正则表达式，匹配任何周围的字符（除了字母数字字符）将是 -
r'.[nk].'
或者，如果你想要一个正则表达式匹配一个中间有“n”或“k”的字符串，而结尾是“n”和“k”，使用 -
r'^[^nk].*[nk].*[^nk]$'
str.contains 调用的输出 -
df.Name.str.contains(r'\w[nk]\w')
0 True
1 False
2 False
3 True
4 True
5 False
6 False
Name: Name, dtype: bool
loc 切片操作的输出 -
df.loc[df.Name.str.contains(r'\w[nk]\w'), 'Name']
0 Mike
3 Anna
4 Luke
Name: Name, dtype: object
现在，拨打pd.Series.tolist 会为您提供您的姓名列表。
选项 2
使用str.findall 的另一个选项 -
df.Name.str.findall(r'^.*\w[nk]\w.*$').str[0].dropna().tolist()
['Mike', 'Anna', 'Luke']
与第一个类似，但有一些不同。
详情
首先，findall 调用的输出 - 匹配列表。正则表达式模式与上面相同，但稍作修改以如果找到中间的模式则捕获整个字符串。
df.Name.str.findall(r'^.*\w[nk]\w.*$')
0 [Mike]
1 []
2 []
3 [Anna]
4 [Luke]
5 []
6 []
Name: Name, dtype: object
从每个列表中获取第一个元素。空列表返回 NaN，随后将其删除 -
df.Name.str.findall(r'.*\w[nk]\w.*').str[0].dropna()
0 Mike
3 Anna
4 Luke
Name: Name, dtype: object
从那里，使用pd.Series.tolist 转换为列表。
【讨论】：
find 和相关的混乱。
使用boolean indexing 和str[1:-1] 删除第一个和最后一个字符，然后通过str.contains 进行检查：
L = df.loc[df['Name'].str[1:-1].str.contains('n|k'), 'Name'].tolist()
print (L)
['Mike', 'Anna', 'Luke']
编辑：如有必要，还排除第一个和最后一个 n 或 k 值：
m = ~df['Name'].str[0].str.lower().isin(['n','k']) & \
~df['Name'].str[-1].str.lower().isin(['n','k']) & \
df['Name'].str[1:-1].str.contains('n|k')
df = df.loc[m, 'Name'].tolist()
print (df)
['Mike', 'Anna', 'Luke']
【讨论】：
可以在这里使用列表推导。下面的代码还确保不选择像“nnkk”这样的名称（其中 n 和/或 k 都在中间以及一端或两端）。另外，小写和大写都在这里管理：
namelist = df.Name.tolist() # get all names in a list
outlist = [ n
for n in namelist
if n[0].upper() not in ['N','K'] # conditions
and n[-1].upper() not in ['N','K']
and (n.upper().find("N") >=0
or n.upper().find("K") >=0) ]
print(outlist)
输出：
['Mike', 'Anna', 'Luke']
【讨论】：