Comment puis-je vérifier efficacement plusieurs sous-chaînes dans une colonne Pandas DataFrame ?

Test de la présence de sous-chaînes dans Pandas DataFrame à l'aide de plusieurs sous-chaînes

Dans pandas, combiner df.isin() et df[col].str. contain() pour vérifier si une chaîne contient une sous-chaîne dans une liste peut être fastidieux. Cet article propose une solution alternative utilisant des expressions régulières et la méthode str.contains().

Pour illustrer, considérons une série s contenant ['cat','hat','dog','fog',' animal de compagnie']. Pour rechercher tous les éléments contenant « og » ou « at », à l'exception de « pet », le code suivant peut être utilisé :

searchfor = ['og', 'at']
jointed_regex = '|'.join(searchfor)
s[s.str.contains(jointed_regex)]

Le résultat sera :

0    cat
1    hat
2    dog
3    fog
dtype: object

En joignant les sous-chaînes avec un '|' caractère, la méthode str.contains() peut effectivement correspondre à n'importe quelle sous-chaîne dans les éléments de chaîne.

Gestion des caractères spéciaux

Notez que lorsque vous traitez des sous-chaînes contenant des caractères spéciaux caractères, tels que $ ou ^, il est nécessaire de les échapper à l'aide de re.escape(). Cela garantit que les caractères sont interprétés littéralement pendant le processus de correspondance.

Par exemple, si la recherche contient ['money', 'x^y'] :

import re
safe_searchfor = [re.escape(m) for m in searchfor]
s[s.str.contains('|'.join(safe_searchfor))]

Ce code échappe au caractères spéciaux et assure une correspondance précise des sous-chaînes.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!