如何在Pandas数据库中找到英汉组合记录

Question

在pandas中，数据框有两列，如“FirstName”和“LastName”。从该列中，“名字”列可以是英文或中文组合，而“姓氏”列可以是中文或英文组合。所以，我想在数据框中显示那些英汉组合的记录。你知道吗

 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。你知道吗

我的输入数据帧是：

         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中英文记录。你知道吗

Answer 1

试试这个，逻辑就是检查字符串是否只能用ASCII字符编码。你知道吗

# -*- 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

Answer 2

你可以像我一样搜索unicodes。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