Question

我正在使用这种数据框。

    num person                  cash
0   1   personone               29
1   1   persontwo               81
2   1   personone:              17
3   1   personone               75
4   1   personone and persontwo 62
5   1   personone's friend      55

我正在使用以下代码根据字符串向量过滤数据框。

people = ["personone", "persontwo"] 
pattern = r"\b{}\b".format("|".join(people))

df[df["person"].str.match(pattern)]

问题是代码产生的比我需要的多一点。当我检查 df["person"].unique() 时，它给了我一个数组：

array(["personone", "persontwo", "personone:", "personone ", "personone and persontwo", "personone's friend"], dtype=object)

即使我使用了单词边界 \b。

我想要实现的结果是：组合 personone、personone: 和 personone （最后一个以空格结尾）。并产生以下输出：

    num person    cash
0   1   personone 121
1   1   persontwo 81

即结合 personone 的三个变体并忽略其所有其他外观。 cash 的 personone 是 29+17+75=121 的总和。

Answer 1

一种选择是匹配可选的 \W 而不是 \b 并强制开始和结束字符串：

people = ["personone", "persontwo"] 
pattern = r"^\W?({})\W?$".format("|".join(people))

s = df["person"].str.extract(pattern,expand=False)

df[s.notna()].groupby(['num',s])['cash'].sum()

输出：

num  person   
1    personone    121
     persontwo     81
Name: cash, dtype: int64

Answer 2

你问的不是很清楚。例如，您为什么要放弃案例 personone and persontwo？

无论如何，一种方法是创建一个 flag 变量来标记好的观察结果，例如

df['flag'] = df.person.str.contains('personone:?$')

然后你简单地总结

df.loc[df.flag == True, 'cash'].sum()

Answer 3

您可以使用 Vuex 和 ^ 来限制匹配：

过滤特定字符串的数据框

3 个答案: