在熊猫中使用正则表达式在另一列中的一列中查找值

Question

我有一个带有两列字符串的 pandas 数据框。我想识别第一列 (s1) 中的字符串出现在第二列 (s2) 中的字符串中的所有行。

如果我的专栏是：

abc    abcd*ef_gh
z1y    xxyyzz

我想保留第一行，而不是第二行。

我能想到的唯一方法是：

1. 遍历数据框行
2. 使用s1的内容作为匹配模式将df.str.contains()应用到s2

有没有一种不需要遍历行的方法来完成这项工作？

Answer 1

用 numpy chararray methods 以矢量化方式可能是可行的（仅用于简单匹配）：

In [326]:

print df
    s1          s2
0  abc  abcd*ef_gh
1  z1y      xxyyzz
2  aaa   aaabbbsss
In [327]:

print df.ix[np.char.find(df.s2.values.astype(str), 
                         df.s1.values.astype(str))>=0, 
            's1']
0    abc
2    aaa
Name: s1, dtype: object

Answer 2

我能想到的最好办法是使用 apply 而不是手动迭代：

>> df = pd.DataFrame({'x': ['abc', 'xyz'], 'y': ['1234', '12xyz34']})
>> df
     x        y
0  abc     1234
1  xyz  12xyz34

>> df.x[df.apply(lambda row: row.y.find(row.x) != -1, axis=1)]
1    xyz
Name: x, dtype: object