Python 如何通过正则表达式过滤熊猫中的行
声明：本页面是StackOverFlow热门问题的中英对照翻译，遵循CC BY-SA 4.0协议，如果您需要使用它，必须同样遵循CC BY-SA许可，注明原文地址和作者信息，同时你必须将它归于原作者（不是我）：StackOverFlow
原文地址: http://stackoverflow.com/questions/15325182/
Warning: these are provided under cc-by-sa 4.0 license. You are free to use/share it, But you must attribute it to the original authors (not me):
StackOverFlow
How to filter rows in pandas by regex
提问by justinvf
I would like to cleanly filter a dataframe using regex on one of the columns.
我想在其中一列上使用正则表达式干净地过滤数据框。
For a contrived example:
对于一个人为的例子：
In [210]: foo = pd.DataFrame({'a' : [1,2,3,4], 'b' : ['hi', 'foo', 'fat', 'cat']})
In [211]: foo
Out[211]:
a b
0 1 hi
1 2 foo
2 3 fat
3 4 cat
I want to filter the rows to those that start with fusing a regex. First go:
我想将行过滤为以f使用正则表达式开头的行。先去：
In [213]: foo.b.str.match('f.*')
Out[213]:
0 []
1 ()
2 ()
3 []
That's not too terribly useful. However this will get me my boolean index:
这不是太有用。但是，这将使我获得布尔索引：
In [226]: foo.b.str.match('(f.*)').str.len() > 0
Out[226]:
0 False
1 True
2 True
3 False
Name: b
So I could then do my restriction by:
所以我可以通过以下方式进行限制：
In [229]: foo[foo.b.str.match('(f.*)').str.len() > 0]
Out[229]:
a b
1 2 foo
2 3 fat
That makes me artificially put a group into the regex though, and seems like maybe not the clean way to go. Is there a better way to do this?
尽管如此，这让我人为地将一个组放入正则表达式中，并且似乎可能不是一个干净的方法。有一个更好的方法吗？
回答by waitingkuo
回答by lakshman senathirajah
Multiple column search with dataframe:
使用数据框进行多列搜索：
frame[frame.filename.str.match('*.'+MetaData+'.*') & frame.file_path.str.match('C:\test\test.txt')]
回答by Michael Siler
回答by Erkan ?irin
There is already a string handling function Series.str.startswith().
You should try foo[foo.b.str.startswith('f')].
已经有一个字符串处理函数Series.str.startswith()。你应该试试foo[foo.b.str.startswith('f')]。
Result:
结果：
a b
1 2 foo
2 3 fat
I think what you expect.
我想你所期望的。
Alternatively you can use contains with regex option. For example:
或者，您可以使用带有正则表达式选项的 contains。例如：
foo[foo.b.str.contains('oo', regex= True, na=False)]
Result:
结果：
a b
1 2 foo
na=Falseis to prevent Errors in case there is nan, null etc. values
na=False是为了防止出现 nan、null 等值时的错误
回答by user3136169
Write a Boolean function that checks the regex and use apply on the column
编写一个布尔函数来检查正则表达式并在列上使用 apply
foo[foo['b'].apply(regex_function)]
回答by sparrow
Thanks for the great answer @user3136169, here is an example of how that might be done also removing NoneType values.
感谢@user3136169 的精彩回答，这里有一个示例，说明如何删除 NoneType 值。
def regex_filter(val):
if val:
mo = re.search(regex,val)
if mo:
return True
else:
return False
else:
return False
df_filtered = df[df['col'].apply(regex_filter)]
Also you can also add regex as an arg:
你也可以添加正则表达式作为参数：
def regex_filter(val,myregex):
...
df_filtered = df[df['col'].apply(res_regex_filter,regex=myregex)]
回答by YOBEN_S
Using strslice
使用str切片
foo[foo.b.str[0]=='f']
Out[18]:
a b
1 2 foo
2 3 fat
