我有一个名为df的数据框为df = pd.read_csv（＆＃39; my.csv＆＃39;）
CUSTOMER_MAILID EVENT_GENRE EVENT_LANGUAGE
0 000.tushar@gmail.com |ROMANCE| Hindi
1 000.tushar@gmail.com |DRAMA| TAMIL
2 satya@gmail.com |ROMANCE| Hindi
3 000.tushar@gmail.com |DRAMA| Hindi
4 sat@gmail.com |ACTION|ADVENTURE|SCI-FI| English
5 000.tushar@gmail.com |ACTION|ADVENTURE|COMEDY| English
6 fdvklf@gmail.com |ACTION| Hindi
7 asdar@gmail.com |DRAMA| Hindi
8 dfvkme@gmail.com |FANTASY|HORROR|ROMANCE| English
9 000.tushar@gmail.com |ACTION|ADVENTURE|THRILLER| English
10 king@gmail.com |DRAMA| Hindi
11 000.tushar@gmail.com |ROMANCE|THRILLER| KANNADA
12 000.tushar@gmail.com |DRAMA| Hindi
13 000.tushar@gmail.com |ACTION|ADVENTURE|DRAMA| English
14 iamher@gmail.com |ACTION|ADVENTURE|DRAMA| TELUGU
15 000.tushar@gmail.com |BIOPIC|DRAMA| Hindi
16 0007ayan@gmail.com |HORROR|THRILLER| Hindi
17 0007ayan@gmail.com |ACTION|COMEDY|THRILLER| ODIA
18 000.tushar@gmail.com |ACTION|ADVENTURE|SCI-FI| English
19 0007ayan@gmail.com |ROMANCE| Hindi
但是当我查询时，我发现某些意义上的差异，str.contains没有给我预期的输出。
d = df.query((df['EVENT_GENRE'].str.contains('|ROMANCE|')) & (df['EVENT_LANGUAGE'] == 'Hindi'))
d
Out[53]:
CUSTOMER_MAILID EVENT_GENRE EVENT_LANGUAGE
0 000.tushar@gmail.com |ROMANCE| Hindi
2 satya@gmail.com |ROMANCE| Hindi
3 000.tushar@gmail.com |DRAMA| Hindi
6 fdvklf@gmail.com |ACTION| Hindi
7 asdar@gmail.com |DRAMA| Hindi
10 king@gmail.com |DRAMA| Hindi
12 000.tushar@gmail.com |DRAMA| Hindi
15 000.tushar@gmail.com |BIOPIC|DRAMA| Hindi
16 0007ayan@gmail.com |HORROR|THRILLER| Hindi
19 0007ayan@gmail.com |ROMANCE| Hindi
正如您所看到的，EVENT_GENRE字段不包含＆＃39; ROAMNCE＆＃39;，但当我没有＆＃39; |＆＃39;恩。 ＆＃39; | ROMANCE |＆＃39;到了“ROMANCE＆＃39;”，我得到了预期的输出。
d = df.query((df['EVENT_GENRE'].str.contains('ROMANCE')) & (df['EVENT_LANGUAGE'] == 'Hindi'))
d
Out[55]:
CUSTOMER_MAILID EVENT_GENRE EVENT_LANGUAGE
0 000.tushar@gmail.com |ROMANCE| Hindi
2 satya@gmail.com |ROMANCE| Hindi
19 0007ayan@gmail.com |ROMANCE| Hindi
然后我尝试了不同的场景＆＃39; |＆＃39; （发现奇怪的结果）和没有（＆＃39; |＆＃39;）（找到预期的结果）。
我很好奇是否＆＃39; |＆＃39;符号对str.contains（）方法有一些影响。我非常怀疑它的行为类似于＆＃34;或＆＃34;操作。当我尝试用
时的Bcozdd = df.query(df['EVENT_GENRE'].str.contains('FANTASY|HORROR'))
dd
Out[21]:
CUSTOMER_MAILID EVENT_GENRE EVENT_LANGUAGE
8 dfvkme@gmail.com |FANTASY|HORROR|ROMANCE| English
16 0007ayan@gmail.com |HORROR|THRILLER| Hindi
因为它似乎用“＃34;或＆＃34;”来对待FANTASY和HORROR。操作。***不确定
使用dd = df.query（df [＆＃39; EVENT_GENRE＆＃39;]。str.contains（＆＃39; | FANTASY | HORROR |＆＃39;））选择所有数据。
据我所知，所有内容都包含在＆＃39;＆＃39;或＆＃34;＆＃34;仅作为char处理（除了\ t，\ r，\ n）。但我不知道逻辑运算符是否曾以相同的方式工作（很多时候我看过＆amp;在字符串中）。
任何人都可以澄清一下。感谢Adv。
答案 0 :(得分：5)
默认情况下，contains会将您的字符串视为正则表达式以匹配字符串。因此，您的"|ROMANCE|"被视为正则表达式。由于第一个和最后一个替换为空（即，在第一个|之前或之后没有任何内容），它可以匹配空字符串，因此它始终匹配。
您可以将regex=False参数传递给contains，以强制它仅匹配您的文字字符串。
答案 1 :(得分：2)
因为|是一个特殊字符，您需要使用\符号转义它：
In [255]: df[df.EVENT_GENRE.str.contains('\|ROMANCE\|')]
Out[255]:
CUSTOMER_MAILID EVENT_GENRE EVENT_LANGUAGE
0 000.tushar@gmail.com |ROMANCE| Hindi
2 satya@gmail.com |ROMANCE| Hindi
8 dfvkme@gmail.com |FANTASY|HORROR|ROMANCE| English
11 000.tushar@gmail.com |ROMANCE|THRILLER| KANNADA
19 0007ayan@gmail.com |ROMANCE| Hindi