熊猫的过滤行

Question

我需要找到普通用户

• 代码中的模式AA；
• 代码中的模式__；
• 密码中的数字；

数据集如下所示：

User_ID       CODE

A12          AAada __fa
F453         21 ads
J43          Has AA 
...          ...
H21          MNasdf
L32          sad 21
M54          43__12 asd
...          ...

我应该做的是：

• 首先查找代码中含有AA的所有用户ID，即A12和J43；
• 查找代码中有__的所有用户，即A12和M54；
• 查找代码中有数字的所有用户，即F453、L32和M54。

我尝试使用regex对用户进行过滤，在数字(但也包括^[^0-9]*$ )的情况下使用regex(但也可以使用df.CODE.str.contains('^\d+\')，在__的情况下使用/[$-/:-?{-~!"^_[]]/。

Answer 1

您可以将| (或)与str.contains()一起使用，|将三种模式分开：

df = df[df['CODE'].str.contains('\d|__|AA')]

Out[3]: 
  User_ID        CODE
0     A12  AAada __fa
1    F453      21 ads
2     J43      Has AA
5     L32      sad 21
6     M54  43__12 asd

Answer 2

您可以为系列series.str.contains()使用字符串访问器。这是用户指南

以及解决方案的代码

pats = ['AA', '__', '\d']
mask = {}
for pat in pats:
    mask[pat] = df.CODE.str.contains(pat, regex=True)
        # regex=True is default, shown here for demonstration
    
    print()
    print(mask[pat])

输出

0     True
1    False
2     True
3    False
4    False
5    False
Name: CODE, dtype: bool

0     True
1    False
2    False
3    False
4    False
5     True
Name: CODE, dtype: bool

0    False
1     True
2    False
3    False
4     True
5     True
Name: CODE, dtype: bool

您可以使用这些掩码中的每一个来过滤稍后的数据。在这种情况下，最好是把它们作为单独的面具保存，因为它们似乎有重叠。