Python 搜寻「；不包含“；关于熊猫的数据帧

我做了一些搜索，不知道如何通过df[“col”]过滤数据帧。str.contains（word），但是我想知道是否有一种方法可以做相反的事情：通过该集合的补充过滤数据帧。例如：为了

的效果！（df[“col”].str.contains（word））

这可以通过

DataFrame

方法实现吗？

您可以使用反转（~）运算符（其作用类似于非布尔数据）：

，其中

new_df

是RHS返回的副本

contains还接受正则表达式

---

如果上面抛出ValueError，原因可能是您的数据类型混合，因此请使用

na=False

：

new_df = df[~df["col"].str.contains(word, na=False)]

df["col"].str.contains(word)==0

或者

---

在使用上面Andy推荐的命令之前，我必须去掉空值。例如：

df = pd.DataFrame(index = [0, 1, 2], columns=['first', 'second', 'third'])
df.ix[:, 'first'] = 'myword'
df.ix[0, 'second'] = 'myword'
df.ix[2, 'second'] = 'myword'
df.ix[1, 'third'] = 'myword'
df

    first   second  third
0   myword  myword   NaN
1   myword  NaN      myword 
2   myword  myword   NaN

现在运行命令：

~df["second"].str.contains(word)

我得到以下错误：

TypeError: bad operand type for unary ~: 'float'

---

我首先使用dropna（）或fillna（）清除了空值，然后毫无问题地重试了该命令。

我也遇到了not（~）符号的问题，因此这里有另一种方法：

---

除了nanselm2的答案之外，您还可以使用

0

而不是

False

：

new_df = df[~df["col"].str.contains(word, na=False)]

df["col"].str.contains(word)==0

---

您可以使用Apply和Lambda选择列包含列表中任何内容的行。对于您的场景：

df[df["col"].apply(lambda x:x not in [word1,word2,word3])]

---

我希望答案已经贴出来了

我正在添加框架以查找多个单词，并否定来自dataFrame的单词

这里

'word1'、'word2'、'word3'、'word4'

=要搜索的模式列表

df

=数据帧

column\u a

=来自数据帧df的列名

Search_for_These_values = ['word1','word2','word3','word4'] 

pattern = '|'.join(Search_for_These_values)

result = df.loc[~(df['column_a'].str.contains(pattern, case=False)]

---

完美的我对正则表达式非常熟悉，并认为它在Python中是不同的——我看到了很多关于

re.compliance

的文章，并告诉自己我以后会谈到这一点。看起来我太适合搜索了，就像你说的：）也许一个完整的例子会有帮助：

df[~df.col.str.contains（word）]

返回原始数据帧的副本，其中排除了与单词匹配的行。可以这样组合吗

df[df[“col1”].str.contains（'this'|'that'）==False和df[“col2”].str.contains（'foo'|'bar'）==True]

？谢谢是的，你可以。这里解释了语法：不要忘记，如果我们想移动包含“|”的行，我们应该使用“\”比如

df=df[~df[~col][col].str.contains（'\\\\\''）]

也可以使用

~df[“second”].astype（str）.str.contains（word）

强制转换为

str

。请参见@Shoresh，我们也可以使用na=False作为此问题的解决方案。看起来，这也会删除带有

NaN

Search_for_These_values = ['word1','word2','word3','word4'] 

pattern = '|'.join(Search_for_These_values)

result = df.loc[~(df['column_a'].str.contains(pattern, case=False)]