在另一个系列中查找一个系列的匹配，并使用正则表达式匹配

Question

如何从包含3列的数据框中找到col1中找到的第一个系列的匹配项？我需要能够使用正则表达式，因为我的系列包含*作为该字段中任何内容的占位符。

我有一个由以下数据组成的熊猫系列：

col1
joe\creed\found\match
matt\creed\*\not
adam\creed\notfound\match

我有另一个数据框，其数据如下：

col1                       col2 col3
joe2\creed2\found\match    2    23
matt2\creed2\found2\not    2    23
adam\creed\notfound\match  2    23
matt\creed\found\not       2    23

我试图执行以下代码但没有成功。

for item in series:
    print(df[df.col1.str.contains(item, regex=True)]

和

for item in series:
    print(df[df.col1.isin([str(item)])

我的预期输出如下：

col1                       col2 col3
adam\creed\notfound\match  2    23
matt\creed\found\not       2    23

Answer 1

你可以这样做：

数据：

In [163]: s
Out[163]:
0        joe\creed\found\match
1             matt\creed\*\not
2    adam\creed\notfound\match
Name: col1, dtype: object

In [164]: df
Out[164]:
                        col1  col2  col3
0    joe2\creed2\found\match     2    23
1    matt2\creed2\found2\not     2    23
2  adam\creed\notfound\match     2    23
3       matt\creed\found\not     2    23

<强>解决方案：

import re

# replacing '*' --> '[^\\]*' (in the escaped string: '\\\*' --> '[^\\\\]*')
pat = s.apply(re.escape).str.replace(r'\\\*', r'[^\\\\]*').str.cat(sep='|')
# use the following line instead, if `s` is a DataFrame (not a Series):
#pat = s.col1.apply(re.escape).str.replace(r'\\\*', r'[^\\\\]*').str.cat(sep='|')


In [161]: df[df.col1.str.contains(pat)]
Out[161]:
                        col1  col2  col3
2  adam\creed\notfound\match     2    23
3       matt\creed\found\not     2    23

In [162]: pat
Out[162]: 'joe\\\\creed\\\\found\\\\match|matt\\\\creed\\\\[^\\\\]*\\\\not|adam\\\\creed\\\\notfound\\\\match'

主要的难点是正确地逃避＆＃34;搜索模式中的所有特殊字符（如\）＆＃34;系列。