Question

是否可以使用str.contain搜索包含所有给定字符的字符串？

这有效：

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

如果我想找到至少一个给定的角色，这个也适用：

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

但是，如果我想找到包含所有给定字符的字符串，那么这不起作用

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

结果全是假的。

有什么建议吗？谢谢！

Answer 1

另一种方法：

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

一些示例时间：

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

Answer 2

或者

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 3

如果您正在寻找大型（或最初未知的）字符集，那么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（通常是在熊猫:)，但它给了我与5mm行DF上 @ benzad.nouri 的答案相当的性能。

Pandas str.contains，包含所有给定的字符

3 个答案: