Python 应用于数据帧的str.contains（）的用法

我是Python和Jupyter笔记本的新手，目前正在学习本教程：。到目前为止，我已经导入了pandas库和其他一些东西，并制作了一个数据框“df”，它只是一个公司利润和收入数据的CSV文件。我很难理解本教程的以下内容：

non_numberic_profits = df.profit.str.contains('[^0-9.-]')

我理解本教程的要点：识别利润变量包含字符串而不是数字的所有公司。但是我不明白[^0-9.-]的意义以及上面的函数实际上是如何工作的

我的完整代码如下。谢谢

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style="darkgrid")

df = pd.read_csv('fortune500.csv')
df.columns = ['year', 'rank', 'company', 'revenue', 'profit']
non_numberic_profits = df.profit.str.contains('[^0-9.-]')
df.loc[non_numberic_profits].head()

---

表达式

[^0-9.-]

是一个所谓的正则表达式，它是一个用于描述搜索模式的特殊文本字符串。使用正则表达式（或简称“RegEx”）可以提取字符串的特定部分。例如，您可以从字符串

123foo456

中提取

foo

在正则表达式中，当使用

[]

时，您定义了必须匹配的字符范围。例如，

[bac]

匹配字符串

abcdefg

中的

abc

<代码>[bac]也可以重写为

[a-c]

使用

[^]

可以对字符范围求反。因此，应用于上述示例的RegEx

[^a-c]

将匹配

defg

现在有一个陷阱：
由于

^

和

-

在正则表达式中使用时具有特殊的含义，因此必须将它们放在

[]

中的特定位置，以便进行字面匹配。具体来说，如果您想逐字匹配

-

，并想将其从字符范围中排除，则必须将其放在

[]

的最右端，例如

[abc-]

将所有内容放在一起
RegEx

'[^0-9.-]

的意思是：“匹配所有不包含数字0到9、点（

）或破折号（

-

）的子字符串。”。您可以看到正则表达式应用于一些示例字符串

pandas函数

df.price.str.contains（“[^0-9.-]”）

检查数据帧的

price

列中的字符串是否与此正则表达式匹配，如果匹配，则返回

True

，如果不匹配，则返回

False

。结果是一个

系列

，其中包含生成的

真

/

假

值

---

如果你被困住了，他们是你的朋友。堆栈溢出和也是很好的起点