检查多个子字符串是否在pandas数据帧中

时间:2018-03-27 08:47:40

标签: python pandas select substring

我有一个pandas数据框,我想检查某列的子串。 目前我有30行此类代码:

df['NAME'].str.upper().str.contains('LIMITED')) |
(df['NAME'].str.upper().str.contains('INC')) |
(df['NAME'].str.upper().str.contains('CORP')) 

它们都与or条件相关联,如果其中任何条件为真,则该名称是公司的名称而不是人。

但对我而言,这看起来并不优雅。有没有办法检查&#34的pandas字符串列;此列中的字符串是否包含以下列表中的任何子字符串" ['LIMITED', 'INC', 'CORP']

我找到了pandas.DataFrame.isin函数,但这只适用于整个字符串,而不适用于我的子字符串。

1 个答案:

答案 0 :(得分:4)

您可以使用正则表达式,其中' |'是"或"在正则表达式中:

l = ['LIMITED','INC','CORP']  
regstr = '|'.join(l)
df['NAME'].str.upper().str.contains(regstr)

MVCE:

In [1]: import pandas as pd

In [2]: df = pd.DataFrame({'NAME':['Baby CORP.','Baby','Baby INC.','Baby LIMITED
   ...: ']})

In [3]: df
Out[3]: 
           NAME
0    Baby CORP.
1          Baby
2     Baby INC.
3  Baby LIMITED

In [4]: l = ['LIMITED','INC','CORP']  
   ...: regstr = '|'.join(l)
   ...: df['NAME'].str.upper().str.contains(regstr)
   ...: 
Out[4]: 
0     True
1    False
2     True
3     True
Name: NAME, dtype: bool

In [5]: regstr
Out[5]: 'LIMITED|INC|CORP'