Python 如果子字符串列表中的任何值包含在数据帧中的任何列中，则筛选行

假设我有一个数据帧df，如下所示：

df = pd.DataFrame({'Index': [1, 2, 3, 4, 5],
                   'Name': ['A', 'B', 100, 'C', 'D'],
                   'col1': [np.nan, 'bbby', 'cccy', 'dddy', 'EEEEE'],
                   'col2': ['water', np.nan, 'WATER', 'soil', 'cold air'],
                   'col3': ['watermelone', 'hot AIR', 'air conditioner', 'drink', 50000],
                  'Results': [1000, 2000, 3000, 4000, 5000]})


Out

Index  Name  col1     col2         col3           Results
    1  A     NaN    water       watermelone        1000
    2  B     bbbY    NaN         hot AIR           2000
    3  100   cccY    water       air conditioner   3000
    4  C     dddf    soil        drink             4000
    5  D     EEEEE   cold air    50000             5000

我有一个列表：

matches=['wat'，'air']

如何选择

col1

或

col2

或

col3

中包含

I

匹配项的所有行

预期产出：

Index  Name  col1     col2         col3           Results
    1  A     NaN     water       watermelone       1000
    2  B     bbbY    NaN         hot AIR           2000
    3  100   cccY    water       air conditioner   3000

    5  D     EEEEE   cold air    50000              5000

---

您可以使用

.T

转换数据帧，使用

str.contains

按列检查值，然后再转换回原来的值（如果用

|

分隔，则

str.contains

可以传递多个值，这就是为什么我将列表更改为带有

matches='.''.'的字符串。连接（matches）

）

转置数据帧的好处是，您可以使用列方式，而不是通过行或长的

lambda x:

列表循环

与轴=1的
λx
相比，此技术应具有良好的性能

答案：

# df = df.set_index('Index')
matches = ['wat','air']
matches = '|'.join(matches)
df = df.reset_index(drop=True).T.fillna('')
df = df.T[[df[col].str.lower().str.contains(matches).values.any() for col in df.columns]]
df
Out[1]: 
  Name   col1      col2             col3
0    A            water      watermelone
1    B   bbbY                    hot AIR
2    B   cccY     water  air conditioner
4    D  EEEEE  cold air              eat

也可以尝试以下方法：

df = df[df['col1'].str.contains('|'.join(matches))|df['col2'].str.contains('|'.join(matches))|df['col3'].str.contains('|'.join(matches))]

印刷品：

  Name   col1      col2             col3
1    A   aadY     water      watermelone
2    B   bbbY       air          hot AIR
3    B   cccY     water  air conditioner
5    D  EEEEE  cold air              eat

---

@Joe你能把

df=df.T

改成

df=df.T.fillna（“”）

——看看我更新的答案吗。@Joe我看到你更新了你的问题。我添加了

.fillna（“”）

来处理空格，并将

case=False

传递给

str.contains（）

来忽略大小写。你好@David Erickson，谢谢。我运行了另一个大数据集，给了我

“[Float64Index（[nan，nan，nan，nan，nan，nan，nan，nan，\n nan，nan，nan，nan，nan，nan，nan，nan，nan，nan，nan，nan，nan，nan，nan，nan）]都不在[columns]中”

@Joe看起来你的索引上有一个float和nan。请参阅我的最新答案。我用

.reset\u index（drop=True）

Hi@David Erickson重置了索引，似乎是因为我的数据库中有浮点数，无法匹配字符串。我添加了

df=df.applymap（str）

。好的。非常感谢！！！