Question

我有一个Pandads数据框，其中一列（“已处理”）是单个字符串，其中包含一些长度可变的预处理文本。

我想使用任意长度的关键字列表进行搜索，以仅返回字符串“已处理”包含列表中所有元素的行的已处理注释。

当然，我可以单独搜索这些术语，例如：

words = ['searchterm1', 'searchterm2']
notes = df.loc[(df.processed.str.contains(words[0])) & (df.processed.str.contains(words[1]))].processed

但这似乎效率低下，并且根据我使用的搜索字词数量需要使用不同的代码。

我正在寻找的东西就像....

notes = (df.loc[[(df.processed.str.contains(words[i])) for i in range(len(words))]]).processed

其中将包括

"searchterm1 foo bar searchterm"

但不包括

"foo bar searchterm1"

或

"searchterm2"。

但是这不起作用-loc不支持生成器对象或列表作为输入。

那么查找包含多个子字符串的字符串的最佳方法是什么？谢谢！

Answer 1

示例数据：

df = pd.DataFrame(data=[[1,'a', 3],
                   [1,'b', 4],
                   [2,'c', 22],
                   [2,'s', 3],
                   [2,'f', 3],
                   [1,'d', 56]], 
             columns = ['group', 'value', 'value2'])

words = ['two', 'three', 'two']

输出：

  processed
0       one
1       two
2     three
3   one one
4  two, one

我修改了您的原始代码：

notes = df.loc[sum([df.processed.str.contains(word) for word in words]) > 0]

输出：

  processed
1       two
2     three
4  two, one

使用str.contains从搜索项列表中选择包含所有字符串的数据框行

1 个答案: