Select 与字符串完全匹配的行包含

Question

我有一个数据集，我在其中尝试 select 仅行，这些行与列表中定义的字符串完全匹配。

list  = ['P:34.', 'R:ES.'] 

df = pd.DataFrame({
    'Date':['2021-01-01', '2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-02', '2021-01-02', '2021-01-03'],
    'Code':['P:34. R:ES.', 'R:ESB.', 'K2P:P:341.', 'R:ESZ', 'P:34.', 'R.ES7.', 'P 34 5', 'P:32. R:ES.'], 
    'Ratings':[9.0, 8.0, 5.0, 3.0, 2, 3, 6, 5]})

我使用函数 str.contains 来 select 相应的行，但是，我得到的行与字符串不完全匹配。

sample = df[df.Code.str.contains('|'.join(list),na=False)]

我尝试只获取列表中恰好包含字符串（也考虑字符串末尾的点）的行，就像这样：

df_exact_match = pd.DataFrame({
    'Date':['2021-01-01', '2021-01-02', '2021-01-03'],
    'Code':['P:34. R:ES.', 'P:34.', 'P:32. R:ES.'], 
    'Ratings':[9.0, 2, 5]})

非常感谢您的建议:)

Answer 1

您可以稍微调整一下您的代码。我将首先拆分 'Code' 列，然后将 isin 与 any(axis=1) 结合使用，这将允许该列表的任何值包含在您的 'Code' 拆分列中，分为几部分：

l  = ['P:34.', 'R:ES.'] 
df.loc[df['Code'].str.split(expand=True).isin(l).any(1)]

打印：

         Date         Code  Ratings
0  2021-01-01  P:34. R:ES.      9.0
4  2021-01-02        P:34.      2.0
7  2021-01-03  P:32. R:ES.      5.0

给自定义列表 list 命名也不是一个好习惯。最好使用不同的名称。我还建议不要使用 str.contains，因为那样会 return 部分匹配，顾名思义，而不是完全匹配。

Answer 2

I get rows with do not match the strings exactly.

发生这种情况是因为默认情况下 Series.str.contains 假定第一个参数是正则表达式模式，而在正则表达式中，点 . 匹配任何单个字符。要匹配文字 .，您必须将其转义（即 \.）。没有必要指定 na=False 顺便说一句。

>>> l  = ['P:34\.', 'R:ES\.'] 
>>> df[df.Code.str.contains('|'.join(l))]

         Date         Code  Ratings
0  2021-01-01  P:34. R:ES.      9.0
4  2021-01-02        P:34.      2.0
7  2021-01-03  P:32. R:ES.      5.0

Select 与字符串完全匹配的行包含

Select rows that match exactly with string contain

python

contains

pandas