通过比较行过滤熊猫熊猫数据框

Question

我有一个用于测试样本的 Df，其中一些被重做（重做），现在我只想过滤原始样本

col
a
b
a_redo
b_redo
c
d
e
f
g
g_redo

出

col
a
b
g

这是我用来过滤重做样本的代码（_L _Q _S 是重做前缀）

sample[sample['col'].str.contains("_L|_Q|_S")]

Answer 1

按Series.str.endswith仅过滤redo值，按Series.str.replace将其删除，然后按Series.isin过滤列中的原始值：

vals = sample.loc[sample['col'].str.endswith("redo"), 'col'].str.replace('_redo','')
df = sample[sample['col'].isin(vals)]
print (df)
  col
0   a
1   b
8   g

带着你的面具：

vals = sample.loc[sample['col'].str.contains("_L|_Q|_S"), 'col'].str.replace("_L|_Q|_S",'')
df = sample[sample['col'].isin(vals)]

Answer 2

mask_redo = sample['col'].str.contains("_L|_Q|_S")
mask_orig = - mask_redo
sample_orig = sample.loc[mask_orig]

基本上，通过在选择包含重做后缀的字符串的掩码之前放置减号，您可以反转选择：您现在有一个选择不包含重做后缀的字符串的掩码，即您的原始样本。