Python 通过在文本块中查找关键字来筛选dataframe

我正在数据框中处理Twitter数据。我想根据文本中找到的某个关键字过滤包含每条推文文本的列

我尝试了str.contains，但没有成功，因为该列是一个系列。我想过滤“文本”列中包含关键字“remoaners”的所有推文

remoaners_only = time_plus_text[time_plus_text["text"].str.contains("remoaners", case=False, na=False)]

这会产生一个空数据帧或大量NAN

熊猫版本是0.24.1

以下是输入数据：时间加文本[“文本”]。头（10）

---

你的代码可以工作。因此，您需要检查您的输入数据或pandas bug修复版本，0.24.1 vs 0.24.2

0.24.2
   index                                               text
0      0     [ #bbcqt Remoaners on about post Brexit rac...

将熊猫作为pd导入
导入系统
如果系统版本信息[0]<3：
从StringIO导入StringIO
其他：
从io导入StringIO
打印（pd.\U版本\U）
csvdata=StringIO（““”0，[#bbcqt对英国脱欧后的种族歧视进行了反思。。。
1，[@sarahwollaston闭嘴，你喜欢所有的remoane。。。
2、[布雷克斯特主义者曾经为我们做过什么。。。
3、[奇异爆发中的雷蒙纳]
4、[任何不同意英国脱欧的人都被称为n。。。
5、[@SkyNewsBreak他们预测如果投票结果。。。
6、[但我们要离开欧盟，甚至是保守党。。。
7、[未经选举的远程用户是否可以不看到abs。。。
8、[@sizjam68@LeaveEUOfficial@johnredwood It。。。
9、[嘿@BBC，你解释过为什么获奖吗
df=pd.read_csv（csvdata，names=[“index”，“text”]，sep=“，”）
result=df[df[“text”].str.contains（“remoaners”，case=False，na=False）]
#结果
打印（结果）

您的代码运行正常。因此，您需要检查输入数据或pandas bug fix版本，0.24.1 vs 0.24.2

0.24.2
   index                                               text
0      0     [ #bbcqt Remoaners on about post Brexit rac...

将熊猫作为pd导入
导入系统
如果系统版本信息[0]<3：
从StringIO导入StringIO
其他：
从io导入StringIO
打印（pd.\U版本\U）
csvdata=StringIO（““”0，[#bbcqt对英国脱欧后的种族歧视进行了反思。。。
1，[@sarahwollaston闭嘴，你喜欢所有的remoane。。。
2、[布雷克斯特主义者曾经为我们做过什么。。。
3、[奇异爆发中的雷蒙纳]
4、[任何不同意英国脱欧的人都被称为n。。。
5、[@SkyNewsBreak他们预测如果投票结果。。。
6、[但我们要离开欧盟，甚至是保守党。。。
7、[未经选举的远程用户是否可以不看到abs。。。
8、[@sizjam68@LeaveEUOfficial@johnredwood It。。。
9、[嘿@BBC，你解释过为什么获奖吗
df=pd.read_csv（csvdata，names=[“index”，“text”]，sep=“，”）
result=df[df[“text”].str.contains（“remoaners”，case=False，na=False）]
#结果
打印（结果）

问题在于，要在中查找子字符串

remoaners

的字符串包含在每个单元格的

列表中。在执行
str之前，您需要通过执行
str[0]
来访问此字符串。该字符串包含以下内容：

# input
time_plus_text = pd.DataFrame({'text':[['#bbcqt Remoaners on about post Brexit racial...'], 
                                       ['@sarahwollaston Shut up, you like all remoaners...'],
                                       ['what have the Brextremists ever done for us ...']]})
print (time_plus_text["text"].str[0].str.contains("remoaners", case=False, na=False))
0     True
1     True
2    False
Name: text, dtype: bool

所以你应该：

remoaners_only = time_plus_text[time_plus_text["text"].str[0]\
                                             .str.contains("remoaners", case=False, na=False)]

问题是，要在中查找子字符串
remoaners
的字符串包含在每个单元格的
列表中。在执行
str之前，您需要通过执行
str[0]
来访问此字符串。str.contains
包括：

# input
time_plus_text = pd.DataFrame({'text':[['#bbcqt Remoaners on about post Brexit racial...'], 
                                       ['@sarahwollaston Shut up, you like all remoaners...'],
                                       ['what have the Brextremists ever done for us ...']]})
print (time_plus_text["text"].str[0].str.contains("remoaners", case=False, na=False))
0     True
1     True
2    False
Name: text, dtype: bool

所以你应该：

remoaners_only = time_plus_text[time_plus_text["text"].str[0]\
                                             .str.contains("remoaners", case=False, na=False)]

欢迎使用stackoverflow，如果您共享一些输入数据以重现您的问题，人们会更容易帮助您。这里是您专栏的前几行
time\u plus\u text[“text”]
。有关更多详细信息，请参阅。您是否可以添加示例数据？我想这应该可以。您使用的熊猫是什么？更新了，谢谢您的提示，希望它现在更清晰。欢迎使用stackoverflow，如果您共享一些输入数据以重现您的问题，人们会更容易帮助您。这将是您专栏的前几行。
time\u plus\u text[“text”]
。有关更多详细信息，请参阅添加示例数据吗？我认为这应该可以。您使用的是哪只熊猫？更新，谢谢提示，希望现在更清晰