有两个解决方案:
df.col.apply
方法更直接但稍微慢一些:
In [1]: import pandas as pd
In [2]: import re
In [3]: df = pd.DataFrame({'col1':[1,2,3,4,5], 'col2':['admin', 'aa', 'bb', 'c_admin_d', 'ee_admin']})
In [4]: df
Out[4]:
col1 col2
0 1 admin
1 2 aa
2 3 bb
3 4 c_admin_d
4 5 ee_admin
In [5]: r = re.compile(r'.*(admin).*')
In [6]: df.col2.apply(lambda x: bool(r.match(x)))
Out[6]:
0 True
1 False
2 False
3 True
4 True
Name: col2, dtype: bool
In [7]: %timeit -n 100000 df.col2.apply(lambda x: bool(r.match(x)))
167 µs ± 1.02 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)
np.vectorize
方法需要 import numpy
,但是它更高效(在我的 timeit
测试中快了约4倍)。
In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: import re
In [4]: df = pd.DataFrame({'col1':[1,2,3,4,5], 'col2':['admin', 'aa', 'bb', 'c_admin_d', 'ee_admin']})
In [5]: df
Out[5]:
col1 col2
0 1 admin
1 2 aa
2 3 bb
3 4 c_admin_d
4 5 ee_admin
In [6]: r = re.compile(r'.*(admin).*')
In [7]: regmatch = np.vectorize(lambda x: bool(r.match(x)))
In [8]: regmatch(df.col2.values)
Out[8]: array([ True, False, False, True, True])
In [9]: %timeit -n 100000 regmatch(df.col2.values)
43.4 µs ± 362 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
由于您更改了问题以检查任何单元格,并且还关注时间效率:
# if you want to check all columns no mater what `dtypes` they are
dfs = df.astype(str, copy=True, errors='raise')
regmatch(dfs.values) # This will return a 2-d array of booleans
regmatch(dfs.values).any() # For existence.
你仍然可以使用df.applymap
方法,但是它会更慢。
dfs = df.astype(str, copy=True, errors='raise')
r = re.compile(r'.*(admin).*')
dfs.applymap(lambda x: bool(r.match(x)))
dfs.applymap(lambda x: bool(r.match(x))).any().any()
df.isin(vals)
检查 DataFrame/Series 的值是否在vals
中。这里的vals
必须是集合或类列表。我认为df.isin(vals)
不是检查 DataFrame 列中是否包含vals
的自然方式。 - YaOzI