检查DataFrame中的第n个值是否等于字符串中的第n个字符

Question

我有一个df：

df =
     c1  c2   c3   c4  c5
  0  K   6    nan  Y   V
  1  H   nan  g    5   nan
  2  U   B    g    Y   L

还有一根绳子

s = 'HKg5'

我想返回行，其中s[0]=c1的值，s[1]=c2的值，…+在某些情况下，s[i]=nan

例如，上面df中的第1行与字符串匹配

    row 1=
           c1  c2   c3   c4  c5
        1  H   nan  g    5   nan
                                                match=True,   regardless of s[1,4]=nan
     s   = H   K    g    5

而且字符串长度是动态的，所以我的df cols在c10以上

我正在使用df.apply，但我不能清楚地理解它。我想编写一个传递给df.apply的函数，同时传递字符串

谢谢你的帮助

Chris答案的输出

  df=  
        c1  c2  c3  c4  c5 
     0  K   6  NaN  Y   V
     1  H  NaN  g   5  NaN
     2  U   B   g   Y   L

  s = 'HKg5'
  s1 = pd.Series(list(s), index=[f'c{x+1}' for x in range(len(s))])
  df.loc[((df == s1) | (df.isna())).all(1)]

输出

  `c1  c2  c3  c4  c5`

Answer 1

从字符串创建一个helperSeries，并使用布尔逻辑进行筛选：

s1 = pd.Series(list(s), index=[f'c{x+1}' for x in range(len(s))])

# print(s1)    
# c1    H
# c2    K
# c3    g
# c4    5
# dtype: object

逻辑为df等于（==）。此值或（|）为nan（isna）
沿轴1使用all返回所有值均为True的行

df.loc[((df == s1) | (df.isna())).all(1)]

[外]

  c1   c2 c3 c4   c5
1  H  NaN  g  5  NaN

---

因此，作为一项功能，您可以：

def df_match_string(frame, string):
    s1 = pd.Series(list(string), index=[f'c{x+1}' for x in range(len(string))])
    return ((frame == s1) | (frame.isna())).all(1)

df_match_string(df, s)

[外]

0    False
1     True
2    False
dtype: bool

---

更新

我无法用提供的例子再现你的问题。我猜数据帧中的一些值可能有前导/尾随空格

在尝试上述解决方案之前，请尝试以下预处理步骤：

for col in df:
    df[col] = df[col].str.strip()