如何按字符串过滤pandas数据帧？

Question

我有一个pandas数据框，我希望通过列中的特定单词（test）进行过滤。我试过了：

df[df[col].str.contains('test')]

但它返回一个只有列名的空数据帧。对于输出，我正在寻找一个包含所有包含单词＆＃39; test＆＃39;的行的数据框。我能做什么？

编辑（添加样本）：

data = pd.read_csv(/...csv)

数据有5个cols，包括'BusinessDescription'，我想提取所有包含＆＃39; dental＆＃39; Business Description col中的（不区分大小写），所以我使用了：

filtered = data[data['BusinessDescription'].str.contains('dental')==True]

我得到一个空的数据帧，只有5个列的标题名称。

Answer 1

您似乎需要contains中的参数flags：

import re

filtered = data[data['BusinessDescription'].str.contains('dental', flags = re.IGNORECASE)]

另一个解决方案，感谢 Anton vBR首先转换为小写：

filtered = data[data['BusinessDescription'].str.lower().str.contains('dental')]

示例：
对于将来的编程，我建议在引用数据帧时使用关键字df而不是数据。这是使用该表示法的常见方法。

import pandas as pd

data = dict(BusinessDescription=['dental fluss','DENTAL','Dentist'])
df = pd.DataFrame(data)
df[df['BusinessDescription'].str.lower().str.contains('dental')]

  BusinessDescription
0        dental fluss
1              DENTAL

<强>计时：

d = dict(BusinessDescription=['dental fluss','DENTAL','Dentist'])
data = pd.DataFrame(d)
data = pd.concat([data]*10000).reset_index(drop=True)

#print (data)

In [122]: %timeit data[data['BusinessDescription'].str.contains('dental', flags = re.IGNORECASE)]
10 loops, best of 3: 28.9 ms per loop

In [123]: %timeit data[data['BusinessDescription'].str.lower().str.contains('dental')]
10 loops, best of 3: 32.6 ms per loop

<强>买者：

性能实际上取决于数据 - DataFrame的大小和匹配条件的值的数量。

Answer 2

将字符串括在引号中。

df[df['col'].str.contains('test')]

由于

Answer 3

如果添加条件

，它也可以

df[df['col'].str.contains('test') == True]