使用包含字符串的方式过滤pandas数据框中的行

Question

我有一个Python Pandas数据框 df，其中包含许多行。 我要从这些行中切出并仅使用“body”列中包含单词“ball”的行。 为此，可以执行以下操作：

df[df['body'].str.contains('ball', case=False)]

问题是，我希望它不区分大小写，这意味着如果出现单词Ball或bAll，我也会想要这些。 做大小写不敏感的搜索的一种方法是将字符串转换为小写，然后以这种方式进行搜索。 我想知道如何做到这一点。 我尝试了

df[df['body'].str.lower().contains('ball')]

但那不起作用。 我不确定是否应该在此上使用lambda函数或类似的东西。

- David

Answer 1

您可以再次使用.str来访问字符串方法，或者（在我看来更好）使用case=False来保证大小写不敏感：

您可以使用.str再次访问字符串方法，或者（我的个人意见是）使用case=False来确保不区分大小写：

>>> df = pd.DataFrame({"body": ["ball", "red BALL", "round sphere"]})
>>> df[df["body"].str.contains("ball")]
   body
0  ball
>>> df[df["body"].str.lower().str.contains("ball")]
       body
0      ball
1  red BALL
>>> df[df["body"].str.contains("ball", case=False)]
       body
0      ball
1  red BALL
>>> df[df["body"].str.contains("ball", case=True)]
   body
0  ball

（请注意，如果您要进行赋值操作，最好使用 df.loc，以避免可怕的 SettingWithCopyWarning 警告，但如果我们只是在这里进行选择，则无关紧要。）

（注意：我真的不需要在那里指定“round”...）

- DSM

---

太棒了。我差点要链接 str 事件了。我不知道 str.contains 有一个 case=False 选项。太好了。还有一个后续问题：我遇到了你提到的可怕的“SettingWithCopy Warning”。你可以详细说明一下吗？我的目标是创建一个仅包含包含“ball”的行的新数据帧。 - David

这个故事有点长，不太适合在评论区写。你可以阅读文档的这一部分来了解详细解释。 - DSM

非常感谢。我如何为过滤添加多个字符串？ - YasserKhalil

Answer 2

您还可以在query中使用contains：

In [2]: df = pd.DataFrame({'body': ['Ball', 'cUbE', 'bAll'], 'color': ['red', 'green', 'blue']})

In [3]: df
Out[3]: 
   body  color
0  Ball    red
1  cUbE  green
2  bAll   blue

In [4]: df.query('body.str.contains("ball", case=False).values')
Out[4]: 
   body color
0  Ball   red
2  bAll  blue

如果您想匹配多个模式，请使用|：

In [5]: df.query('body.str.contains("ball|cube", case=False).values')
Out[5]: 
   body  color
0  Ball    red
1  cUbE  green
2  bAll   blue

- rachwa