为什么我不能使用in
来匹配Pandas系列中的字符串?在以下示例中,第一次评估结果出乎意料地为False,但第二次可以正常工作。
df = pd.DataFrame({'name': [ 'Adam', 'Ben', 'Chris' ]})
'Adam' in df['name']
'Adam' in list(df['name'])
为什么我不能使用in
来匹配Pandas系列中的字符串?在以下示例中,第一次评估结果出乎意料地为False,但第二次可以正常工作。
df = pd.DataFrame({'name': [ 'Adam', 'Ben', 'Chris' ]})
'Adam' in df['name']
'Adam' in list(df['name'])
因为in
运算符被解释为调用df['name'].__contains__('Adam')
。如果您查看pandas.Series
中__contains__
的实现,您会发现它是以下内容(继承自pandas.core.generic.NDFrame
):
def __contains__(self, key):
"""True if the key is in the info axis"""
return key in self._info_axis
因此,你第一次使用的in
被解释为:
'Adam' in df['name']._info_axis
这会得到False
,这是可预期的,因为df['name']._info_axis
实际上包含有关range/index
而不是数据本身的信息:
In [37]: df['name']._info_axis
Out[37]: RangeIndex(start=0, stop=3, step=1)
In [38]: list(df['name']._info_axis)
Out[38]: [0, 1, 2]
在第二种情况下:'Adam' in list(df['name'])
使用list
将pandas.Series
转换为值列表。因此,实际操作是:
In [42]: list(df['name'])
Out[42]: ['Adam', 'Ben', 'Chris']
In [43]: 'Adam' in ['Adam', 'Ben', 'Chris']
Out[43]: True
以下是几种更常用的做法(附带速度):In [56]: df.name.str.contains('Adam').any()
Out[56]: True
In [57]: timeit df.name.str.contains('Adam').any()
The slowest run took 6.25 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 144 µs per loop
In [58]: df.name.isin(['Adam']).any()
Out[58]: True
In [59]: timeit df.name.isin(['Adam']).any()
The slowest run took 5.13 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 191 µs per loop
In [60]: df.name.eq('Adam').any()
Out[60]: True
In [61]: timeit df.name.eq('Adam').any()
10000 loops, best of 3: 178 µs per loop
注意:@Wen 在上面的评论中也建议了最后一种方法。
list(series)
会产生一个列表,而 iter(series)
则会产生一个迭代器,为什么有人会认为 series.__contains__
检查的是索引而不是值呢?这看起来是 Series API 的一个重大缺陷。(感谢您提供的解释,我之前苦恼了很长时间才找到这个答案。) - BallpointBen'Adam' in df['name'].values
是可理解且高效的做法。 - Mr. Lance E Sloanfound = df[df['Column'].str.contains('Text_to_search')]
print(len(found))
len(found)
会给你列中匹配的数量。
df['name'].eq('Adam').any()
- BENY'Adam' <some operation> 'Adams'
为True
。你是否想要一系列的True
/False
来表示每个元素的真实性? - piRSquared