极客笔记pandas 判断是否包含特定字符
在数据处理中，我们经常需要判断某列中的字符串是否包含特定的字符或子串。这个问题在实际工作中经常遇到，比如我们可能需要筛选出包含特定关键词的文章，或者根据产品名称中是否包含某些关键字来进行分类等。在Python中，我们可以使用pandas库来方便地处理这类问题。
1. 使用str.contains方法
pandas中的Series对象有一个str属性，它包含了一系列处理字符串的方法，其中就包括contains方法，可以用来判断字符串是否包含特定字符或子串。下面我们来看一个示例：
import pandas as pd
# 创建一个包含字符串的Series
data = {'col1': ['apple', 'banana', 'orange', 'grape']}
df = pd.DataFrame(data)
# 判断col1中是否包含'ap'的行
result = df['col1'].str.contains('ap')
print(result)
运行结果如下所示：
0 True
1 False
2 False
3 False
Name: col1, dtype: bool
可以看到，输出是一个布尔类型的Series，表示每行中的字符串是否包含’ap’。可以将这个结果用作筛选条件，进一步处理数据。
2. 处理大小写敏感的情况
str.contains方法默认是大小写敏感的，如果我们希望不区分大小写来判断是否包含特定字符，可以传入case=False参数。下面是一个示例：
# 判断col1中是否包含'AP'的行（不区分大小写）
result = df['col1'].str.contains('AP', case=False)
print(result)
3. 处理多个关键字
有时候我们需要判断一个字符串是否包含多个关键字中的任意一个，可以使用正则表达式来实现。pandas的str.contains方法允许传入正则表达式。例如，判断是否包含’ap’或’ra’：
# 判断col1中是否包含'ap'或'ra'的行
result = df['col1'].str.contains('ap|ra', case=False, regex=True)
print(result)
4. 判断是否包含中文字符
如果我们需要判断一个字符串中是否包含中文字符，也可以通过正则表达式来实现。下面是一个示例：
# 判断col1中是否包含中文字符的行
result = df['col1'].str.contains('[\u4e00-\u9fa5]', regex=True)
print(result)
5. 将判断结果作为筛选条件
最常见的用法是将str.contains的结果作为筛选条件，从而选择出符合条件的行。例如，选择包含’ap’的行：
# 选择包含'ap'的行
filtered_df = df[df['col1'].str.contains('ap')]
print(filtered_df)
6. 结语
通过pandas的str.contains方法，我们可以方便地处理字符串是否包含特定字符或子串的问题，应用广泛且简单易用。在实际工作中，我们可以根据具体需求，灵活运用这个方法来处理各种字符串匹配的场景。