如何使用 Pandas 过滤串联的多个子字符串
在数据处理和分析中，我们经常需要对文本数据进行过滤和筛选。而在某些情况下，我们可能需要同时匹配多个子字符串。在 Python 的数据分析库 Pandas 中，我们可以使用一些方法来实现这一功能。首先，让我们导入 Pandas 并创建一个示例数据集。假设我们有一个包含商品名称的数据集，我们想要筛选出包含子字符串 "苹果" 和 "手机" 的商品。pythonimport pandas as pddata = {'商品名称': ['苹果手机', '华为手机', '小米电视', '苹果电脑', '三星手机']}df = pd.DataFrame(data)print(df)输出结果为： 商品名称0 苹果手机1 华为手机2 小米电视3 苹果电脑4 三星手机
接下来，我们可以使用 Pandas 的 `str.contains()` 方法来过滤包含指定子字符串的行。该方法接受一个正则表达式作为参数，因此我们可以使用 `|` 运算符来串联多个子字符串。pythonfiltered_df = df[df['商品名称'].str.contains('苹果|手机')]print(filtered_df)输出结果为： 商品名称0 苹果手机1 华为手机3 苹果电脑
可以看到，我们成功地过滤出了包含子字符串 "苹果" 或 "手机" 的商品。案例代码：pythonimport pandas as pddata = {'商品名称': ['苹果手机', '华为手机', '小米电视', '苹果电脑', '三星手机']}df = pd.DataFrame(data)print(df)filtered_df = df[df['商品名称'].str.contains('苹果|手机')]print(filtered_df)：在本文中，我们介绍了如何使用 Pandas 过滤串联的多个子字符串。通过使用 Pandas 的 `str.contains()` 方法和正则表达式的 `|` 运算符，我们可以轻松地筛选出包含指定子字符串的行。这在处理文本数据时非常有用，可以帮助我们更快地找到所需的信息。参考资料：- Pandas 文档：https://pandas.pydata.org/docs/- Python 正则表达式教程：https://docs.python.org/3/library/re.html