如何使用pandas提取含有指定字符串

以下内容，如何使用pandas提取含有指定字符串的行的方法进行解释说明。

行的提取（选择）方法

完全匹配

==
部分匹配

str.contains()：包含一个特定的字符串
参数na：缺少值NaN处理
参数case：大小写我的处理
参数regex：使用正则表达式模式
str.endswith（）：以特定字符串结尾
str.startswith（）：以特定的字符串开头
str.match（）：匹配正则表达式模式
要提取部分匹配的行，可以使用pandas的（str.xxx（））方法，根据指定条件提取的字符串方法。
这次以以下数据为例

import pandas as pd

df = pd.read_csv(‘./data/08/sample_pandas_normal.csv’).head(3)
print(df)

name age state point

0 Alice 24 NY 64

1 Bob 42 CA 92

2 Charlie 18 CA 70

行的提取（选择）方法
首先，展示如何从pandas.DataFrame中提取（选择）行以获得新的pandas.DataFrame。

使用布尔值的布尔列表（数组）或pandas.Series的话，只能提取（选择）True行。

mask = [True, False, True]
df_mask = df[mask]
print(df_mask)

name age state point

0 Alice 24 NY 64

2 Charlie 18 CA 70

因此，对于具有字符串元素的列，是否能够获得根据条件的布尔列表就足够了。

完全匹配

==
如果元素与字符串完全匹配，则使用==获取为True的pandas.Series。

print(df[‘state’] == ‘CA’)

0 False

1 True

2 True

Name: state, dtype: bool

print(df[df[‘state’] == ‘CA’])

name age state point

1 Bob 42 CA 92

2 Charlie 18 CA 70

部分匹配

str.contains()：包含一个特定的字符串
pandas.Series字符串方法str.contains（）允许获取包含特定字符串的pandas.Series.

print(df[‘name’].str.contains(‘li’))

0 True

1 False

2 True

Name: name, dtype: bool

print(df[df[‘name’].str.contains(‘li’)])

name age state point

0 Alice 24 NY 64

2 Charlie 18 CA 70

请注意，默认情况下，第一个参数中指定的字符串将作为正则表达式模式进行处理，如下所述。

参数na：缺少值NaN处理
如果元素是缺失值NaN，则默认情况下它将返回NaN而不是True或False。因此，使用pandas.Series提取该行是错误的。

df_nan = df.copy()
df_nan.iloc[2, 0] = float(‘nan’)
print(df_nan)

name age state point

0 Alice 24 NY 64

1 Bob 42 CA 92

2 NaN 18 CA 70

print(df_nan[‘name’].str.contains(‘li’))

0 True

1 False

2 NaN

Name: name, dtype: object

print(df_nan[df_nan[‘name’].str.contains(‘li’)])

ValueError: cannot index with vector containing NA / NaN values

可以通过str.contains（）的参数na来指定替换NaN结果的值。

print(df_nan[‘name’].str.contains(‘li’, na=False))

0 True

1 False

2 False

Name: name, dtype: bool

print(df_nan[‘name’].str.contains(‘li’, na=True))

0 True

1 False

2 True

Name: name, dtype: bool

用作条件时，如果na = True，则选择NaN的行，如果na = False，则不选择NaN的行。

参数case：大小写我的处理
默认情况下，区分大小写。如果参数case为False，则case被忽略。

print(df[‘name’].str.contains(‘LI’))

0 False

1 False

2 False

Name: name, dtype: bool

print(df[‘name’].str.contains(‘LI’, case=False))

0 True

1 False

2 True

Name: name, dtype: bool

参数regex：使用正则表达式模式
使用str.contains（）时要记住的一件事是，默认情况下，指定为第一个参数的字符串将作为正则表达式模式进行处理。

print(df[‘name’].str.contains(‘i.*e’))

0 True

1 False

2 True

Name: name, dtype: bool

如果参数ragex为False，则确定是否包含第一个参数的字符串本身。

print(df[‘name’].str.contains(‘i.*e’, regex=False))

0 False

1 False

2 False

Name: name, dtype: bool

例如，如果要判断是否包含正则表达式的特殊字符，例如？，。，*，则需要设置regex = False。当然，可以指定一个正则表达式模式，以转义\？等特殊字符。

请注意，默认值可能会导致错误。

df_q = df.copy()
df_q.iloc[2, 0] += ‘?’
print(df_q)

name age state point

0 Alice 24 NY 64

1 Bob 42 CA 92

2 Charlie? 18 CA 70

print(df_q[‘name’].str.contains(‘?’))

error: nothing to repeat at position 0

print(df_q[‘name’].str.contains(‘?’, regex=False))

0 False

1 False

2 True

Name: name, dtype: bool

print(df_q[‘name’].str.contains(‘?’))

0 False

1 False

2 True

Name: name, dtype: bool

str.contains（）等同于re.search（），并且可以在flags参数中指定正则表达式标志。如稍后所述，还有对应于re.match（）的str.match（）。

请注意，下面要介绍的str.endswith（）如果想要确定end ?，会更容易，如本例所示。

str.endswith（）：以特定字符串结尾
pandas.Series字符串方法str.endswith（）可以获取以特定字符串结尾的pandas.Series。

print(df[‘name’].str.endswith(‘e’))

0 True

1 False

2 True

Name: name, dtype: bool

print(df[df[‘name’].str.endswith(‘e’)])

name age state point

0 Alice 24 NY 64

2 Charlie 18 CA 70

str.endswith（）也有一个参数na。如果要选择缺失值NaN的行，则设置na = True；如果不想选择，则将na = False设置。

没有参数case，因此它始终区分大小写。

另外，第一个参数的字符串在确定中照原样使用，而不作为正则表达式模式处理。

str.startswith（）：以特定的字符串开头
pandas.Series字符串方法str.startswith（）可以获取以特定字符串开头的pandas.Series。

print(df[‘name’].str.startswith(‘B’))

0 False

1 True

2 False

Name: name, dtype: bool

print(df[df[‘name’].str.startswith(‘B’)])

name age state point

1 Bob 42 CA 92

str.match（）：匹配正则表达式模式
pandas.Series字符串方法str.match（）可以获取与正则表达式模式匹配的pandas.Series。

print(df[‘name’].str.match(‘.*i.*e’))

0 True

1 False

2 True

Name: name, dtype: bool

print(df[df[‘name’].str.match(‘.*i.*e’)])

name age state point

0 Alice 24 NY 64

2 Charlie 18 CA 70

如上所述，str.match（）对应于re.match（），并确定字符串的开头是否与模式匹配。如果不是一开始就为False。

print(df[‘name’].str.match(‘.*i’))

0 True

1 False

2 True

Name: name, dtype: bool

print(df[‘name’].str.match(‘i.*e’))

0 False

1 False

2 False

Name: name, dtype: bool

当需要确定是否包括与模式匹配的部分时，不仅在开始时，而且默认使用与上述re.search（）等效的re.contains（）（regex = True）。

str.match（）与str.contains（）可以以相同的方式指定参数na，case和flag。

欢迎使用Markdown编辑器

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

1. 全新的界面设计 ，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的 KaTeX数学公式 语法；
5. 增加了支持甘特图的mermaid语法¹ 功能；
6. 增加了 多屏幕编辑 Markdown文章功能；
7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

2014-01-07 2014-01-09 2014-01-11 2014-01-13 2014-01-15 2014-01-17 2014-01-19 2014-01-21 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

张三 李四 王五 你好！李四, 最近怎么样? 你最近怎么样，王五？ 我很好，谢谢! 我很好，谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:

链接

长方形

圆

圆角长方形

菱形

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

Created with Raphaël 2.3.0 开始 我的操作 确认？ 结束 yes no

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. mermaid语法说明 ↩︎

2. 注脚的解释 ↩︎