Question

我确定可能有一个简单的解决方案，但我对Python还是很陌生。我有一个Pandas DataFrame，其中包含字符串和NaN值。在此数据框中，我想搜索字符串的特殊部分。这应该逐行完成，找到的字符串将被写入与Dataframe具有相同行数的列表中（这意味着如果我要查找的部分字符串在该行中无法匹配，则列表中的条目应为“无”）。

我尝试过：result.loc[result[0].str.contains("hello", na=False)] 但这只会让我返回第一列包含hello ...一词的行。

我正在考虑在每行中使用正则表达式进行for循环搜索：

row = df.iloc[0:100]
for item in row:
    row_dict={}
    hello = re.search(r"hello.*", item)
    if hello is None:
       hello = "NaN"

也许还有更简单的方法？谢谢！

Answer 1

出于测试目的，我将源DataFrame定义为：

df = pd.DataFrame(data=[
    ['Halo Mike', 'How are you?', np.nan],
    ['Hello John', 'Good morning', 'What a nice day'],
    ['Ello Jack', 'Xyz hello abc', np.nan]])

如您所见，有两个元素包含 hello 和 2个 NaN 元素。列名在这里不是必需的，因此我没有定义它们。

第一步是将此DataFrame转换为 Series ，过滤出 NaN 值：

ser = pd.Series(data=df.values.flatten()).dropna()

df.values获取基础的 Numpy 数组，flatten对其进行整形到一维数组，然后dropna删除 NaN 值。

然后，要获取该系列元素的内部带有hello（不区分大小写），运行：

ser[ser.str.contains('hello', case=False)].tolist()

对于我们的测试数据，结果为：

['Hello John', 'Xyz hello abc']

我认为，这正是您在评论中所描述的。

对于实际输入数据（比我的示例更长），如果要限制搜索到仅100个初始行，将df.values更改为 df.head(100).values。

使用正则表达式

1 个答案: