从熊猫DataFrame中选择包含以整数开头的字符串的行

Question

我创建了一个包含一个字符串列的熊猫DataFrame。我想将它的一些行复制到第二个DataFrame中:只是第一个空格之前的字符是大于或等于300个整数的行，第一个空格后面的字符是“百老汇”。在下面的示例中，只应复制第一行。

我更愿意解决这个问题，而不是简单地用直接的Python编写布尔表达式。让我们假设我想让某人相信使用熊猫而不是没有熊猫的Python的好处。非常感谢。

d = {
    "address": [
        "300 Broadway",      #Ok.
        "300 Wall Street",   #Sorry, not "Broadway".
        "100-10 Broadway",   #Sorry, "100-10" is not an integer.
        "299 Broadway",      #Sorry, 299 is less than 300.
        "Broadway"           #Sorry, no space at all.
    ]
}

df = pd.DataFrame(d)
df2 = df[what goes here?]   #Broadway addresses greater than or equal to 300
print(df2)

Answer 1

我认为最好先清理一下数据，例如：

# prepare data
df[['number', 'street']] = df.address.str.split('\s+', n=1, expand=True)
df['number'] = pd.to_numeric(df.number, errors='coerce')

第一行将地址拆分为数字和街道，第二行将数字转换为实际整数，注意那些不是整数的值将被转换为NaN。然后你就可以：

# create mask to filter
mask = df.number.ge(300) & df.street.str.contains("Broadway")
print(df[mask])

基本上，创建一个布尔掩码，其中的数字大于或等于300，街道是百老汇。综合起来，你有：

# prepare data
df[['number', 'street']] = df.address.str.split('\s+', n=1, expand=True)
df['number'] = pd.to_numeric(df.number, errors='coerce')

# create mask to filter
mask = df.number.eq(300) & df.street.str.contains("Broadway")
print(df[mask])

输出

        address  number    street
0  300 Broadway   300.0  Broadway

请注意，此解决方案假定您的数据具有模式：Number Street。

Answer 2

您可以使用str.contains、str.extract和ge

# rows which contain broadway
m1 = df['address'].str.contains('(?i)broadway')
# extract the numbers from the string and check if they are greater of equal to 300
m2 = df['address'].str.extract('(\d+)')[0].astype(float).ge(300)

# get all the rows which have True for both conditions
df[m1&m2]

输出

        address
0  300 Broadway