一个关于布尔比较的问题：如何将子字符串列表与字符串列表进行比较？

Question

我做了一些研究，但没有找到下面问题的答案。

如何在字符串列表中比较子字符串列表的布尔值？

下面是代码：

string = {'strings_1': ['AEAB', 'AC', 'AI'], 
             'strings_2':['BB', 'BA', 'AG'], 
             'strings_3': ['AABD', 'DD', 'PP'], 
             'strings_4': ['AV', 'AB', 'BV']}

df_string = pd.DataFrame(data = string)

substring_list = ['AA', 'AE']

for row in df_string.itertuples(index = False):
    combine_row_str = [row[0], row[1], row[2]]

    #below is the main operation
    print(all(substring in row_str for substring in substring_list for row_str in combine_row_str))

我得到的输出是：

False
False
False

我需要的输出是：

True
False
False

- learner

Answer 1

以下是使用pd.DataFrame.sum和列表推导的一种方法：

df = pd.DataFrame(data=string)

lst = ['AA', 'AE']

df['test'] = [all(val in i for val in lst) for i in df.sum(axis=1)]

print(df)

  strings_1 strings_2 strings_3 strings_4   test
0      AEAB        BB      AABD        AV   True
1        AC        BA        DD        AB  False
2        AI        AG        PP        BV  False

- jpp

Answer 2

由于您正在使用pandas，因此可以调用逐行应用（apply）和带有正则表达式的str.contains函数来查找字符串是否匹配。第一步是查找任何一个值是否与substring_list中的字符串匹配：

df_string.apply(lambda x: x.str.contains('|'.join(substring_list)), axis=1)

这个返回：

   strings_1  strings_2  strings_3  strings_4
0       True      False       True      False
1      False      False      False      False
2      False      False      False      False

现在，不清楚的是，您想在行内同时出现两个子字符串时返回true，还是只要其中任何一个。如果只要其中任何一个，您可以在contains()方法后面添加any()：

df_string.apply(lambda x: x.str.contains('|'.join(substring_list)).any(), axis=1)

这句话的意思是“这将返回：”。

0     True
1    False
2    False
dtype: bool

对于第二种情况，jpp 提供了一行解决方案，将行元素连接成一个字符串，但请注意，当您有两个相邻的元素时，比如 "BBA" 和 "ABB"，并尝试匹配 "AA" 时，它将无法正常工作。连接后的字符串 "BBAABB" 仍将匹配 "AA"，这是错误的。我想提出一种使用 apply 和额外函数的解决方案，以使代码更易读：

def areAllPresent(vals, patterns):
  result = []
  for pat in patterns:
    result.append(any([pat in val for val in vals]))
  return all(result)

df_string.apply(lambda x: areAllPresent(x.values, substring_list), axis=1)

由于您的样本数据框，它仍将返回相同的结果，但对于需要匹配两者的情况，它是有效的：

0     True
1    False
2    False
dtype: bool

- user59271

---

嘿，感谢您的回答。如果我想让每个位置都包含“AA”和“AE”，我该怎么办？也就是说，布尔检查行0和列0是否包含'AA'和'AE'子字符串。布尔检查行0和列1是否同时包含'AA'和'AE'，以此类推... - learner

我尝试过这样做，但是不起作用： df_string.apply(lambda x: x.str.contains((?=substring_list), axis=1) - learner

谢谢。为什么不是 (?=.AA.)(?=.AE.)？ - learner

(?=.AA.)(?=.AE.) 做的是同样的事情，尾随的 .* 是多余的，因为 ?= 是一个正向前瞻运算符。这意味着它将匹配表达式组，但不会捕获它，下一个组将与初始匹配字符串匹配。本质上，您正在在正则表达式中再现 AND 运算符。请看这里：正则表达式：是否有 AND 运算符？ - user59271

谢谢。我之前看过那篇帖子。抱歉我落后了一步：为什么我需要首先使用 .*？代码不应该返回布尔值 true 表明 'AA' 是 'AABD' 的子字符串吗？ - learner