Regex Pandas系列子字符串以字母开头和结尾

我有一个大熊猫系列，包含大约50万行这种形式：

pd.Series(['Lorem ipsum dolor sit amet',
            'consectetur adipiscing elit',
            'quis euismod mi, id venenatis urna',
            'curabitur vel augue viverra diam imperdiet laoreet'])

我想用以特定字母开头和结尾的单词来过滤这个系列。例如，如果开始字母为“l”，结束字母为“m”，则我希望将具有“lorem”作为子字符串的行包括在内，或者更确切地说是“^l.*m$”

---

因此，我需要将字符串拆分为子字符串并执行.str.contains（“^l.*m$”），但我不知道有什么优化方法可以执行此操作。

您可以使用从l到m的单词边界匹配

\bL\w*m\b

，以及介于两者之间的匹配0个或更多单词字符

import pandas as pd

s = pd.Series(['Lorem ipsum dolor sit amet',
           'consectetur adipiscing elit',
           'quis euismod mi, id venenatis urna',
           'curabitur vel augue viverra diam imperdiet laoreet'])
s = s.str.contains(pat = r'\bL\w*m\b', regex = True)
print(s)

输出

0     True
1    False
2    False
3    False
dtype: bool

---

您可以使用从L到m的单词边界匹配

\bL\w*m\b

，以及介于两者之间的0个或多个单词字符的匹配

import pandas as pd

s = pd.Series(['Lorem ipsum dolor sit amet',
           'consectetur adipiscing elit',
           'quis euismod mi, id venenatis urna',
           'curabitur vel augue viverra diam imperdiet laoreet'])
s = s.str.contains(pat = r'\bL\w*m\b', regex = True)
print(s)

输出

0     True
1    False
2    False
3    False
dtype: bool

---

您可以将单词与第四只鸟进行匹配，您能提供一个答案吗？我尝试了s.str.contains（'\bL\w*m\b'），但我没有得到任何匹配，而我应该得到包含Lorem的第0行。像这样尝试

print（s.str.contains（pat=r'\bL\w*m\b'，regex=True））

@Thefourthbird，这成功了，谢谢。你知道表演是什么吗？我想知道它对大量数据的性能如何。不幸的是，我没有关于性能的答案。您可以将这些单词与第四只鸟进行匹配，您能提供一个答案吗？我尝试了s.str.contains（'\bL\w*m\b'），但我没有得到任何匹配，而我应该得到包含Lorem的第0行。像这样尝试

print（s.str.contains（pat=r'\bL\w*m\b'，regex=True））

@Thefourthbird，这成功了，谢谢。你知道表演是什么吗？我想知道它对于大数据集的性能如何。不幸的是，我没有关于性能的答案。