如何在pandas数据框中查找英文和中文组合记录

Question

在 Pandas 中，数据框有 2 列，如“FirstName”和“LastName”。 从该列中，“名字”列将是英文或中文组合，与“姓氏”列相同，将是中文或英文组合。 所以，我想在数据框中显示那些英汉组合的记录。

 code snippet:

      df.loc[df['FirstName'].str.contains(r'[a-zA-Z]+') & df['FirstName'].str.contains(r'[一种-ž]+'))]

我不知道这个代码片段是否有效。

我的输入数据框是：

         FirstName          LastName

        jocovich            nadhal
        smith               pointing
        西德哈斯             supreet
        yuvi                雷迪
        bsreddy             rakshita
        sreeja              巴尔加维
        雷迪                西德哈斯
        Cédric             LEMARCHAND
        Radosław           Piotrowski  

上面是我的数据框。 但我需要的输出如下：

        FirstName          LastName

         西德哈斯             supreet
         yuvi                雷迪
         sreeja              巴尔加维

我想显示数据框中的英文-中文或中文-英文记录。

Answer 1

您可以像我在这里一样搜索 unicode。 您也可以反转匹配：

df.query("FirstName.str.contains(r'[\u4e00-\u9FFF]', regex=True) or LastName.str.contains(r'[\u4e00-\u9FFF]', regex=True)") 

or 

df[(df['FirstName'].str.contains(r'[\u4e00-\u9FFF]', regex=True)) | ( df['LastName'].str.contains(r'[\u4e00-\u9FFF]', regex=True))]

或者不匹配中文名字和姓氏：

df[((df['FirstName'].str.contains(r'[\u4e00-\u9FFF]', regex=True)) | ( df['LastName'].str.contains(r'[\u4e00-\u9FFF]', regex=True))) & (~df['FirstName'].str.contains(r'[\u4e00-\u9FFF]', regex=True) | (~df['LastName'].str.contains(r'[\u4e00-\u9FFF]', regex=True)))] 

输出：

  FirstName LastName
2      西德哈斯  supreet
3      yuvi       雷迪
5    sreeja     巴尔加维

Answer 2

试试这个，逻辑只是检查字符串是否只能用 ASCII 字符编码。

# -*- coding: utf-8 -*-
df = pd.DataFrame({"FirstName":["jocovich","smith"," 西德哈斯","yuvi"," bsreddy","sreeja"],"LastName":["nadhal","pointing","supreet","雷迪","rakshita","巴尔加维"],"blah":["example","example","example","example","example","example"]})


def isEnglish(s):
    o = list(s)
    ot = []
    for n in o:
        try:
            n.encode(encoding='utf-8').decode('ascii')
        except UnicodeDecodeError:
            ot.append(False)
        else:
            ot.append(True)

    if ot==[True,False] or ot == [False,True]:
        return True
    else:
        return False


output = df[df[["FirstName","LastName"]].apply(lambda x: isEnglish(x),axis=1)]

输出

  FirstName LastName     blah
2      西德哈斯  supreet  example
3      yuvi       雷迪  example
5    sreeja     巴尔加维  example