Python 熊猫搜索多列上的子字符串

我有一个这样的df

       c_name  f_name 
0      abc     abc12  
1      xyz     abc1  
2      mnq     mnq2

目标是在两列之间找到一个子字符串，并知道它属于哪一列。首选项应该是

c_name

，因为如果子字符串在两列中，则

c_name

优先于，例如：如果我在上述数据帧中搜索

abc

，我应该以某种方式获得

c_name

的第0行

abc

，以及

f_name

的第1行

abc1

为了解决这个问题，我从

df[df['c_name'].str.contains（'abc'，case=False）]

---

这将为我提供

c_name

的结果。现在的问题是如何排除在

f_name

上执行相同操作时已有结果的行。非常感谢您的帮助

将您的第一个搜索结果标记为2。如果新的搜索结果符合要求，则此项将被覆盖（1）

import pandas as pd
row  =[['abcx','abcy'],
       ['efg','abcz'],
       ['higj','UK']]
df= pd.DataFrame(row)
df.columns = ['c_name', 'f_name']

print df[df['c_name'].str.contains('abc', case=False)]

delta_df =df[~df['c_name'].str.contains('abc', case=False)]
print delta_df[delta_df['f_name'].str.contains('abc', case=False)]

输出

  c_name f_name
0   abcx   abcy
  c_name f_name
1    efg   abcz

• 将

  堆叠成一系列

• str.contains

  获取子字符串的真值

• unstack

  返回数据帧
• 子集结果以确保至少一个匹配

• idxmax（1）

  获取列中的第一个

  True

---

---

---

---

下面是另一个简单的方法：

将目标“字符串”列连接到一个新的单列中，例如

df['new_col'] = df['c_name'] + ' ' + df['f_name']

在

new\u col

中搜索子字符串，例如

result = df[df['new_col'].str.contains('abc')]

完成任务后，删除新列：

del results['new_col']

---

以下是一个例子：

>>> df= pd.DataFrame(row, columns=['c_name', 'f_name'])
>>> df
  c_name f_name
0   abcx   abcy
1    efg   abcz
2   higj     UK
>>> df['new_col'] = df['c_name'] + ' ' + df['f_name']
>>> results = df[df['new_col'].str.contains('abc')]
>>> del df['new_col'], results['new_col']
>>> results
  c_name f_name
0   abcx   abcy
1    efg   abcz

---

问题是怎样的：）我知道该怎么做，我只是不知道该怎么做，因为我对pandasI不太精通。我可以依靠你的回答：）非常感谢。这是一个有趣的方法这回答了你的问题吗？

result = df[df['new_col'].str.contains('abc')]

del results['new_col']

>>> df= pd.DataFrame(row, columns=['c_name', 'f_name'])
>>> df
  c_name f_name
0   abcx   abcy
1    efg   abcz
2   higj     UK
>>> df['new_col'] = df['c_name'] + ' ' + df['f_name']
>>> results = df[df['new_col'].str.contains('abc')]
>>> del df['new_col'], results['new_col']
>>> results
  c_name f_name
0   abcx   abcy
1    efg   abcz