python - 检查 pandas Dataframe 字符串列是否包含数组中给定的所有元素

Question

我有一个数据框，如下所示：

>>> import pandas as pd
>>> df = pd.DataFrame(data = [['app;',1,2,3],['app; web;',4,5,6],['web;',7,8,9],['',1,4,5]],columns = ['a','b','c','d'])
>>> df
           a  b  c  d
0       app;  1  2  3
1  app; web;  4  5  6
2       web;  7  8  9
3             1  4  5

我有一个如下所示的输入数组：["app","web"] 对于这些值中的每一个，我想检查数据框的特定列并返回一个决定，如下所示：

>>> df.a.str.contains("app")
0     True
1     True
2    False
3    False

由于str.contains只允许我寻找一个单独的值，我想知道是否有其他直接的方法来确定相同的东西，例如：

 df.a.str.contains(["app","web"]) # Returns TypeError: unhashable type: 'list'

我的最终目标不是进行绝对匹配 ( df.a.isin(["app", "web"])，而是一个“包含”逻辑，即使数据框的该单元格中存在这些字符，它也会返回 true。

注意：我当然可以使用 apply 方法为相同的逻辑创建自己的函数，例如：

elementsToLookFor = ["app","web"]
df[header] = df.apply(lambda element: all([a in element for a in elementsToLookFor]))

但我对此的最佳算法更感兴趣，因此更喜欢在 pandas 中使用本机 pandas 函数，或者下一个最优化的自定义解决方案。

标签： pythonpandasdataframe

Answer 1

这也应该有效：

l = ["app","web"]
df['a'].str.findall('|'.join(l)).map(lambda x: len(set(x)) == len(l))

这也应该起作用：

pd.concat([df['a'].str.contains(i) for i in l],axis=1).all(axis = 1)