Pandas str.contains，包含所有给定的字符

Question

是否可以使用 str.contain 搜索包含所有给定字符的字符串？

这个有效：

df["col1"].str.contains("A")

如果我想找到至少一个给定的字符，这个也可以：

df["col1"].str.contains("A|B")

但是，如果我想查找包含所有给定字符的字符串，这是行不通的

df["col1"].str.contains("A&B")

结果全错。

有什么建议吗？谢谢！

Answer 1

任一

df['col1'].str.contains('A.*B|B.*A')

或

df['col1'].str.contains('A') & df['col1'].str.contains('B')

示例：

>>> df
      col1
0  wAxyzBw
1  wBxyzAw
2    wAxyz
3    wBxyz
>>> df['col1'].str.contains('A.*B|B.*A')
0     True
1     True
2    False
3    False
Name: col1, dtype: bool
>>> df['col1'].str.contains('A') & df['col1'].str.contains('B')
0     True
1     True
2    False
3    False
Name: col1, dtype: bool

Answer 2

如果您要查找大量（或最初未知的）字符集，一种稍微更通用的方法是

DataFrame({key: df.col1.str.contains(key) for key in 'AB'}).all(axis=1)

可能有更好的方法来做到这一点（通常在 pandas :)，但它给了我与 @benzad.nouri 相当的性能在 5mm 排 DF 上回答。

Answer 3

另一种方法：

df['col1'].apply(set('AB').issubset)

以及一些时间示例：

import pandas as pd
import numpy as np

strings = pd.Series(['A', 'B', 'C', 'Aaba', 'Baca', 'CABA', 'dog', 'cat'])
%timeit strings.apply(set('AB').issubset)
# 10000 loops, best of 3: 102 µs per loop
%timeit strings.str.contains('A.*B|B.*A')
# 10000 loops, best of 3: 149 µs per loop
%timeit strings.str.contains('A') & strings.str.contains('B')
# 1000 loops, best of 3: 712 µs per loop

Pandas str.contains，包含所有给定的字符

Pandas str.contains, containing all the given characters

python

contains

dataframe

pandas