Question

我有一个df这样

       c_name  f_name 
0      abc     abc12  
1      xyz     abc1  
2      mnq     mnq2

目标是在两列中找到一个子串，知道它属于哪一列。首选应该是c_name，如果子串在两个列中，那么c_name优先为例如：如果我在上面的数据帧中搜索abc我应该以某种方式得到第0行abc的{{1}}和c_name的第1行abc1。

为了解决这个问题，我开始了 f_name 这会给我df[df['c_name'].str.contains('abc', case=False)]的结果。现在的问题是如何排除我已经拥有结果的行在c_name上执行相同的操作。任何帮助是极大的赞赏！

Answer 1

stack成一系列
str.contains获取子字符串的真值
unstack获取数据框
子集结果以确保至少一次匹配
idxmax(1)在列

True

def find_subtext(df, txt):
    contains = df.stack().str.contains(txt).unstack()
    return contains[contains.any(1)].idxmax(1)

find_subtext(df, 'abc')

0    c_name
1    f_name
dtype: object

df.assign(abc=find_subtext(df, 'abc'))

  c_name f_name     abc
0    abc  abc12  c_name
1    xyz   abc1  f_name
2    mnq   mnq2     NaN

Answer 2

import pandas as pd
row  =[['abcx','abcy'],
       ['efg','abcz'],
       ['higj','UK']]
df= pd.DataFrame(row)
df.columns = ['c_name', 'f_name']

print df[df['c_name'].str.contains('abc', case=False)]

delta_df =df[~df['c_name'].str.contains('abc', case=False)]
print delta_df[delta_df['f_name'].str.contains('abc', case=False)]

输出

  c_name f_name
0   abcx   abcy
  c_name f_name
1    efg   abcz

Answer 3

将您的第一个搜索结果标记为2.如果新搜索结果符合，则会覆盖（按1）。

Answer 4

这是另一种简单的方法：

将目标“字符串”列连接到新的单个列中，例如

template<bool external_condition_1, external_condition_2>myloop(){
for (int i = 0; i < 100000, i++){
  if (external_condition_1 || (external_condition_2 && internal_condition[i]){
     run_some_code;
  }
  else{
     run_some_other_code;
  }
  run_lots_of_other_code;
}

在df['new_col'] = df['c_name'] + ' ' + df['f_name']中搜索子字符串，例如
```
new_col
```
在完成其任务后删除result = df[df['new_col'].str.contains('abc')]：
```
new_col
```

这是一个示例：

del results['new_col']

pandas在多列

4 个答案: