Pandas 筛选DataFrame以仅显示包含字符串列表中所有字符串的行

如果我们有一个数据帧：

   Column1  Column2
0  Alpha    This is bananas
1  Bravo    This is not
2  Charlie  This is not bananas
3  Delta    This is not a banana
4  Echo     This is not a Banana
5  Foxtrot  This is not a banananananana

   Column1  Column2
0  Delta    'This is not a banana'
1  Echo     'This is not a Banana'

我们只想从字符串列表中选择包含所有字符串的行，我们如何创建一个函数来过滤它？不区分大小写

例如，如果我想专门针对

['not'，'banana']

进行筛选，我可以将该列表放入函数中，它应该返回以下数据帧：

   Column1  Column2
0  Alpha    This is bananas
1  Bravo    This is not
2  Charlie  This is not bananas
3  Delta    This is not a banana
4  Echo     This is not a Banana
5  Foxtrot  This is not a banananananana

   Column1  Column2
0  Delta    'This is not a banana'
1  Echo     'This is not a Banana'

基本要求：

Column2必须包含给定字符串列表（任意长度）中的所有字符串。我希望能够搜索1、2、3、5、10的列表，不管我想要多少字符串

不区分大小写（为什么筛选“banana”会给出带有“banana”和“banana”的行）

忽略包含额外字母的结果。过滤“香蕉”时，不会选择带有“香蕉”或“香蕉”或“香蕉”的行

---

一种方法是使用集合

大小写折叠并将字符串拆分为一个单词列表，然后再拆分为一组

>>> df.Column2.str.casefold().str.split().map(set)
0                   {bananas, this, is}
1                       {not, this, is}
2              {not, bananas, this, is}
3            {is, this, not, banana, a}
4            {is, this, not, banana, a}
5    {is, this, banananananana, not, a}
Name: Column2, dtype: object

然后你可以检查你的话是否正确 a

您可以将其用于pandas.Series.str.contains（）

---

欢迎来到Stackoverflow！非常好的答案+1

>>> import re
>>> pattern = '(?i)' + ''.join(f'(?=.*(^|\s){re.escape(word)}(\s|$))' for word in words)
>>> pattern
'(?i)(?=.*(^|\\s)not(\\s|$))(?=.*(^|\\s)banana(\\s|$))'

>>> df[ df.Column2.str.contains(pattern) ]
  Column1               Column2
3   Delta  This is not a banana
4    Echo  This is not a Banana