Question

我有一个列ClientAccount的数据框，其中包含我要过滤掉的大量测试数据数据。

要查找包含测试客户端的行数，请执行以下操作：

test_users = order_data[order_data['ClientAccount'].str.contains("DEMO|test")==True]

返回Name: ClientAccount, Length: 2493

很酷，所以原来的71.458行中有2.493行。

然后，为了获得不是这些2.493行的所有内容，我不应该只是反过来吗？

order_data = order_data[order_data['ClientAccount'].str.contains("DEMO|test")==False]

虽然这给了48.046行，但这有什么意义呢？我错过了什么？

Answer 1

我认为有NaN或None个值，因此可以在str.contains中使用参数na。同样，对于反转布尔掩码（True + False Series），请使用~：

mask = order_data['ClientAccount'].str.contains("DEMO|test", na=False)

test_users1 = order_data[mask]
test_users2 = order_data[~mask]

样品：

order_data = pd.DataFrame({'ClientAccount':['DEMO ss','test f','dfd', None, np.nan, 'test']})
print (order_data)
  ClientAccount
0       DEMO ss
1        test f
2           dfd
3          None
4           NaN
5          test

mask = order_data['ClientAccount'].str.contains("DEMO|test", na=False)

test_users1 = order_data[mask]
test_users2 = order_data[~mask]

print (test_users1)
  ClientAccount
0       DEMO ss
1        test f
5          test

print (test_users2)
  ClientAccount
2           dfd
3          None
4           NaN

没有参数我收到错误：

mask = order_data['ClientAccount'].str.contains("DEMO|test")

ValueError：无法使用包含NA / NaN值的向量进行索引

字符串上的Pandas列过滤会产生意外结果

1 个答案: