熊猫数据帧过滤器正则表达式

Question

我不明白pandas DataFrame filter 。

设置

import pandas as pd

df = pd.DataFrame(
    [
        ['Hello', 'World'],
        ['Just', 'Wanted'],
        ['To', 'Say'],
        ['I\'m', 'Tired']
    ]
)

问题

df.filter([0], regex=r'(Hel|Just)', axis=0)

我希望[0]将第一列指定为要查看的列，并且axis=0指定过滤行。 我得到的是这样的：

       0      1
0  Hello  World

我期待

       0       1
0  Hello   World
1   Just  Wanted

问题

• 什么会让我达到我的预期？

Answer 1

根据文档，

参数是互斥的，但这不会被检查

因此，看起来，第一个可选参数items=[0]胜过第三个可选参数regex=r'(Hel|Just)' 。

In [194]: df.filter([0], regex=r'(Hel|Just)', axis=0)
Out[194]: 
       0      1
0  Hello  World

相当于

In [201]: df.filter([0], axis=0)
Out[201]: 
       0      1
0  Hello  World

这只是沿着 0 轴选择索引值在[0]行。

---

要获得所需的结果，您可以使用str.contains创建一个布尔掩码，并使用df.loc来选择行：

In [210]: df.loc[df.iloc[:,0].str.contains(r'(Hel|Just)')]
Out[210]: 
       0       1
0  Hello   World
1   Just  Wanted

Answer 2

这应该有效：

df[df[0].str.contains('(Hel|Just)', regex=True)]

Answer 3

这是一个链接方法：

df.loc[lambda x: x['column_name'].str.contains(regex_patern, regex = True)]