Блог

У меня есть набор данных, в котором я пытаюсь выбрать только строки, которые точно соответствуют определенным строкам в списке.

 list = ['P:34.', 'R:ES.']   df = pd.DataFrame({  'Date':['2021-01-01', '2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-02', '2021-01-02', '2021-01-03'],  'Code':['P:34. R:ES.', 'R:ESB.', 'K2P:P:341.', 'R:ESZ', 'P:34.', 'R.ES7.', 'P 34 5', 'P:32. R:ES.'],   'Ratings':[9.0, 8.0, 5.0, 3.0, 2, 3, 6, 5]})   

Я использовал функцию str.contains для соответствующего выбора строк, но при этом я получаю строки, которые не соответствуют строкам в точности.

 sample = df[df.Code.str.contains('|'.join(list),na=False)]  

Я пытаюсь получить только строки, которые содержат именно строки (также учитывая точку в конце строк) в списке, который был бы примерно таким:

 df_exact_match = pd.DataFrame({  'Date':['2021-01-01', '2021-01-02', '2021-01-03'],  'Code':['P:34. R:ES.', 'P:34.', 'P:32. R:ES.'],   'Ratings':[9.0, 2, 5]})  

Большое вам спасибо за ваш совет 🙂

Я получаю строки с не совсем совпадающими строками.

Это происходит потому, что по умолчанию Series.str.contains предполагается, что первый аргумент является шаблоном регулярного выражения, а в регулярном выражении точка . соответствует любому отдельному символу. Чтобы соответствовать буквальному . , вы должны избежать его (т. Е. . ). Нет необходимости указывать na=False кстати.

 gt;gt;gt; l = ['P:34.', 'R:ES.']  gt;gt;gt; df[df.Code.str.contains('|'.join(l))]   Date Code Ratings 0 2021-01-01 P:34. R:ES. 9.0 4 2021-01-02 P:34. 2.0 7 2021-01-03 P:32. R:ES. 5.0   

Вы можете немного скорректировать свой код. Я бы сначала разделил столбец «Код», а затем использовал isin в сочетании с any(axis=1) , что позволило бы включить любые значения этого списка в ваш разделенный столбец «Код», который разбит на части:

 l = ['P:34.', 'R:ES.']  df.loc[df['Code'].str.split(expand=True).isin(l).any(1)]  

С принтами:

 Date Code Ratings 0 2021-01-01 P:34. R:ES. 9.0 4 2021-01-02 P:34. 2.0 7 2021-01-03 P:32. R:ES. 5.0  

Также не рекомендуется называть свой обычай list , список. Лучше использовать другое имя. Я бы также посоветовал не использовать str.contains , так как это вернет частичные совпадения, как следует из названия, а не точные совпадения.