如何测试一个字符串是否包含列表中的一个子字符串？

Question

是否有任何函数可以等效于df.isin()和df[col].str.contains()的组合

例如，假设我有这个系列 s = pd.Series(['cat','hat','dog','fog','pet'])，我想找到所有s包含['og', 'at']的地方，我想得到除“宠物”之外的所有东西

我有一个解决方案，但它相当不雅观：

searchfor = ['og', 'at']
found = [s.str.contains(x) for x in searchfor]
result = pd.DataFrame[found]
result.any()

有更好的方法吗

Answer 1

以下是一行lambda，它也可以工作：

df["TrueFalse"] = df['col1'].apply(lambda x: 1 if any(i in x for i in searchfor) else 0)

输入：

searchfor = ['og', 'at']

df = pd.DataFrame([('cat', 1000.0), ('hat', 2000000.0), ('dog', 1000.0), ('fog', 330000.0),('pet', 330000.0)], columns=['col1', 'col2'])

   col1  col2
0   cat 1000.0
1   hat 2000000.0
2   dog 1000.0
3   fog 330000.0
4   pet 330000.0

应用Lambda：

df["TrueFalse"] = df['col1'].apply(lambda x: 1 if any(i in x for i in searchfor) else 0)

输出：

    col1    col2        TrueFalse
0   cat     1000.0      1
1   hat     2000000.0   1
2   dog     1000.0      1
3   fog     330000.0    1
4   pet     330000.0    0

Answer 2

您可以单独使用str.contains和使用OR (|)的正则表达式模式：

s[s.str.contains('og|at')]

或者您可以将该系列添加到dataframe，然后使用str.contains：

df = pd.DataFrame(s)
df[s.str.contains('og|at')] 

输出：

0 cat
1 hat
2 dog
3 fog 

Answer 3

一种选择是只使用regex|字符来尝试匹配序列s（仍然使用str.contains）中单词中的每个子字符串

您可以通过将searchfor中的单词与|连接来构造正则表达式：

>>> searchfor = ['og', 'at']
>>> s[s.str.contains('|'.join(searchfor))]
0    cat
1    hat
2    dog
3    fog
dtype: object

正如@AndyHayden在下面的评论中所指出的，如果子字符串有一些特殊字符，例如$和^，请注意，这些字符需要逐字匹配。这些字符在正则表达式的上下文中具有特定的含义，并将影响匹配

通过使用re.escape转义非字母数字字符，可以使子字符串列表更安全：

>>> import re
>>> matches = ['$money', 'x^y']
>>> safe_matches = [re.escape(m) for m in matches]
>>> safe_matches
['\\$money', 'x\\^y']

当与str.contains一起使用时，此新列表中的字符串将与每个字符进行字面匹配