Question

我正在基于字符串比较为我的df（导入的CSV文件）制作遮罩，但是似乎.contains有效，而==无效。

此遮罩使用.contains：

mask = (y_train['SEPSISPATOS'].str.contains('Yes')) | (y_train['SEPSHOCKPATOS'].str.contains('Yes')) | (y_train['OTHSYSEP'].str.contains('Sepsis')) | (y_train['OTHSESHOCK'].str.contains('Septic Shock'))

返回此输出（注意最后一行）：

SEPSISPATOS   SEPSHOCKPATOS   OTHSYSEP   OTHSESHOCK           SEPSISPATOS
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'Septic Shock'      1

这另一个遮罩使用直接比较

mask = (y_train['SEPSISPATOS']=='Yes') | (y_train['SEPSHOCKPATOS']=='Yes') | (y_train['OTHSYSEP']=='Sepsis') | (y_train['OTHSESHOCK']=='Septic Shock')

返回：

SEPSISPATOS   SEPSHOCKPATOS   OTHSYSEP   OTHSESHOCK           SEPSISPATOS
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'Septic Shock'      0

想知道如果我有字节的字符串而不是Python 3 Unicode字符串，我已经尝试了解码（如下）。我也尝试过.str.strip()。两者都不起作用。我需要一个修复程序，使我可以对包含文本的任何列使用字符串之间的直接比较。

编辑re：utf-8解码

NSQIPdf_train = pd.read_csv("acs_nsqip_puf13_2.csv")
str_df=df.select_dtypes([np.object])
str_df=str_df.stack().str.decode('utf-8').unstack()
for col in str_df:
    NSQIPdf_train[col] = str_df[col]
y_train = NSQIPdf_train.loc[:,('SEPSISPATOS','SEPSHOCKPATOS', 'OTHSYSEP', 'OTHSESHOCK')]

这使我的问题更加复杂...随着输出变为：

SEPSISPATOS   SEPSHOCKPATOS   OTHSYSEP   OTHSESHOCK        SEPSISPATOS
NaN            NaN            NaN        NaN               0
NaN            NaN            NaN        NaN               0
NaN            NaN            NaN        NaN               0
NaN            NaN            NaN        NaN               0

Answer 1

在进行比较之前，请使用.str.decode('utf-8')将字节值转换为字符串（请参见question）：

y_train['SEPSHOCKPATOS'].str.decode('utf-8') == 'Yes'

注意：我想.str.contains会在幕后进行转换。

Answer 2

我是Pandas的新手，但也许str.fullmatch会有所帮助-匹配整个字符串的str.contains的更严格版本，因此，

y_train['SEPSHOCKPATOS'].str.fullmatch('Yes')

尽管请注意，这实际上是在检查正则表达式，但是请注意所使用的字符串是否包含任何特殊字符。

比较字符串在熊猫数据框中不起作用？

2 个答案: