Python 检查数据帧单元格是否包含特定字符串

假设我有以下数据帧：

         a        b             
0        NAN      BABA UN EQUITY
1        NAN      2018  
2        NAN      2017
3        NAN      2016
4        NAN      NAN
5        NAN      700 HK EQUITY
6        NAN      2018  
7        NAN      2017
8        NAN      2016
9        NAN      NAN 

我想检查列

b

中的每个单元格，看看它是否包含字符串

EQUITY

。如果是的话，我想替换列

a

中的单元格，下一行直到所有

NAN

的行都是前一个字符串，以获得编辑的数据帧，如下所示：

         a                 b             
0        NAN               BABA UN EQUITY
1        BABA UN EQUITY    2018  
2        BABA UN EQUITY    2017
3        BABA UN EQUITY    2016
4        NAN               NAN
5        NAN               700 HK EQUITY
6        700 HK EQUITY     2018  
7        700 HK EQUITY     2017
8        700 HK EQUITY     2016
9        NAN               NAN         

我的实际数据帧比上面的要大得多，但格式类似。我对熊猫很陌生，但我想我可以通过使用

sheet.loc

并替换循环中的单元格值

但是，我很难确定如何检查单元格是否包含

权益

。似乎

str.contains

是我应该使用的，但我不清楚如何使用它

谢谢

import numpy as np
import pandas as pd

df = pd.DataFrame({'a': ['NAN', 'NAN', 'NAN', 'NAN', 'NAN', 'NAN', 'NAN', 'NAN', 'NAN', 'NAN'],
 'b': ['BABA UN EQUITY', '2018', '2017', '2016', 'NAN', '700 HK EQUITY', '2018', '2017', '2016', 'NAN']})

# Make sure that all NaN values are `np.nan` not `'NAN'` (strings)
df = df.replace('NAN', np.nan)
mask = df['b'].str.contains(r'EQUITY', na=True)
df.loc[mask, 'a'] = df['b']
df['a'] = df['a'].ffill()
df.loc[mask, 'a'] = np.nan

屈服

                a               b
0             NaN  BABA UN EQUITY
1  BABA UN EQUITY            2018
2  BABA UN EQUITY            2017
3  BABA UN EQUITY            2016
4             NaN             NaN
5             NaN   700 HK EQUITY
6   700 HK EQUITY            2018
7   700 HK EQUITY            2017
8   700 HK EQUITY            2016
9             NaN             NaN

---

上面有一点棘手的是如何定义

掩码。请注意，
str.contains
返回一个序列，该序列不仅包含
True
和
False
值，而且还包含
NaN
：

In [114]: df['b'].str.contains(r'EQUITY')
Out[114]: 
0     True
1    False
2    False
3    False
4      NaN
5     True
6    False
7    False
8    False
9      NaN
Name: b, dtype: object

str.contains（…，na=True）
用于将
NaN
s视为
True
：

In [116]: df['b'].str.contains(r'EQUITY', na=True)
Out[116]: 
0     True
1    False
2    False
3    False
4     True
5     True
6    False
7    False
8    False
9     True
Name: b, dtype: bool


有了
mask
后，想法很简单：只要
mask
为真，就将
b
中的值复制到
a
中：

df.loc[mask, 'a'] = df['b']

df.loc[mask, 'a'] = np.nan

正向填充
a
中的NaN值：

df['a'] = df['a'].ffill()

如果
mask
为真，则将
a
中的值替换为NaN：

df.loc[mask, 'a'] = df['b']

df.loc[mask, 'a'] = np.nan

你能用
na=True
参数来代替
！=错误
？（或者根据需要
na=False
）@jpp：你说得绝对正确。我忘记了参数的存在。非常感谢您的详细解释！我在检查字符串中是否包含一个或其他模式时遇到问题。见此：
pattern='wiring | media | elect | tape'
v=pd.Series（['electronic fault']）
s=v.str.contains（pattern，flags=re.IGNORECASE，regex=True）
print（s）
0 False
dtype:bool
为什么？如果你能帮我解决这个问题，我将不胜感激。但不知道为什么？可能是因为图案中有空格吗？见此：
pattern='wiring | media | elect | tape'
v=pd.Series（['electronic fault']）s=v.str.contains（pattern，flags=re.IGNORECASE，regex=True）
Output
0 True