从python pandas的dataframe列中搜索匹配的字符串模式

Question

我有一个如下数据框

 name         genre
 satya      |ACTION|DRAMA|IC|
 satya      |COMEDY|BIOPIC|SOCIAL|
 abc        |CLASSICAL|
 xyz        |ROMANCE|ACTION|DARMA|
 def        |DISCOVERY|SPORT|COMEDY|IC|
 ghj        |IC|

现在，我想查询数据帧，以便获得第1,5和6行。i：ei想找到| IC |。 单独使用或与其他类型的任意组合结合使用。

到目前为止，我可以使用

df[df['genre'] == '|ACTION|DRAMA|IC|']  ######exact value yields row 1

或包含搜索依据的字符串

 df[df['genre'].str.contains('IC')]  ####yields row 1,2,3,5,6
 # as BIOPIC has IC in that same for CLASSICAL also

但是我不要这两个。

#df[df['genre'].str.contains('|IC|')]  #### row 6
# This also not satisfying my need as i am missing rows 1 and 5

因此，我的要求是找到具有| IC |的类型 （我的字符串搜索失败，因为python将'|'视为or运算符）

有人建议使用某些reg或任何方法来完成此工作。

Answer 1

我认为您可以在正则表达式中添加\\以进行转义，因为| 不带\\的解释为OR ：

'|'

A | B，其中A和B可以是任意RE，它创建一个匹配A或B的正则表达式。任意数量的RE都可以由'|'分隔 通过这种方式。 也可以在组内部使用（请参阅下文）。 扫描目标字符串时，RE用“ |”分隔 从左到右尝试。 当一个模式完全匹配时，该分支被接受。 这意味着，一旦A匹配，即使将产生更长的整体匹配，也不会对其进行进一步测试。 换句话说，“ |” 操作员从不贪婪。 要匹配文字'|'，请使用\\ |，或将其括在字符类中，如[|]所示。

print df['genre'].str.contains(u'\|IC\|')
0     True
1    False
2    False
3    False
4     True
5     True
Name: genre, dtype: bool

print df[df['genre'].str.contains(u'\|IC\|')]
    name                        genre
0  satya            |ACTION|DRAMA|IC|
4    def  |DISCOVERY|SPORT|COMEDY|IC|
5    ghj                         |IC|

Answer 2

可能是这样的构造：

    pd.DataFrame[DataFrame['columnName'].str.contains(re.compile('regex_pattern'))]