Question

我试图了解熊猫包含功能是如何工作的。

假设我有以下内容：

xyz = ['Copyright', 'Microsoft', 'Abc'];
for i in range(0, len(xyz), 1):
     x = z[z.all_data.str.contains(r'.*' + xyz[i] + '.*', regex=True)]

这就是我解释contains函数的方式：

“搜索DataFrame'z'，列称为all_data，其中值以任何东西开头，包含来自xyz的适当索引值，然后以任何东西结尾。”

我的理解正确吗？

我有一个看起来像这样的DataFrame：

                                              all_data    file_name    
4    * (c) Copyright abc123 Corp. 2015    All Right...   filename.h

它没有使用“版权”一词，而是试图理解原因。

这是我到目前为止尝试过的：

x = z [z.all_data.str.contains（xyz [i]，regex = True）]
x = z [z.all_data.str.contains（r'。'+ xyz [i] +'。'，regex = True）]

我的代码适用于其他术语，但是该行中有某些内容无法正常工作。

Answer 1

猜测您要为每个项目覆盖 x ...因此，如果x为空，则意味着最后一个xyz与任何内容都不匹配

查看此示例

import pandas
a = [
  ["4    * (c) Copyright abc123 Corp. 2015    All Right...","filename.h"],
  ["4    * (c) noCopy-right abc123 Corp. 2015    All Right...","filename.h"],
  ]
df = pandas.DataFrame(a,columns=['all_data','file'])
print(df)
print("MASK:", df.all_data.str.contains("Copyright"))
print("Matches:",df[df.all_data.str.contains("Copyright")])

Answer 2

我发现我做错了。

之前：

x = z[z.all_data.str.contains(r'.*' + xyz[i] + r'.*', regex=True)]

之后：

x = z[z.all_data.str.contains(r'.*' + xyz[i] + r'.*', case=False,regex=True)]

在contains函数中，大小写默认情况下设置为True，因此我必须将其更改为false，以使函数不区分大小写。设置为True时，区分大小写。

我的DataFrame列中具有“版权”，但是我的搜索条件是“版权”。

问题已解决：）

熊猫包含功能理解

2 个答案: