String 比较数据帧中不工作的字符串？

我正在根据字符串比较为我的df（导入的CSV文件）制作一个掩码，但似乎

.contains

有效，但

==

无效

此掩码使用

。包含

：

mask=（y_train['SEPSISPATOS'].str.contains（'Yes'））（y_train['SEPSHOCKPATOS'].str.contains（'Yes'））（y_train['OTHSYSEP'].str.contains（'Sepsis'））（y_train['othshock'].str contains（'Septic休克'））

返回此输出（注意最后一行）：

SEPSISPATOS SEPSHOCKPATOS OTHSYSEP othshock SEPSISPATOS
b'No'b'No'b'无并发症'b'无并发症'0
b'No'b'No'b'无并发症'b'无并发症'0
b'No'b'No'b'无并发症'b'无并发症'0
“没有”没有“没有”并发症“感染性休克”1

而另一种掩模则采用直接比较法

mask=（y_train['SEPSISPATOS']='Yes'）（y_train['SEPSHOCKPATOS']='Yes'）（y_train['OTHSYSEP']='Sepsis'）|（y_train['othsheshock']='Septic Shock'））

返回：

SEPSISPATOS SEPSHOCKPATOS OTHSYSEP othshock SEPSISPATOS
b'No'b'No'b'无并发症'b'无并发症'0
b'No'b'No'b'无并发症'b'无并发症'0
b'No'b'No'b'无并发症'b'无并发症'0
b'No'b'No'b'无并发症b'感染性休克'0

不知道我是否有字节的字符串而不是Python3Unicode字符串，我尝试了解码（如下）。我也试过

.str.strip（）

。两者都不起作用。我需要一个修复程序，使我能够对任何包含文本的列使用字符串之间的直接比较

编辑re:utf-8解码

NSQIPdf\u train=pd.read\u csv（“acs\u nsqip\u puf13\u 2.csv”）
str_df=df。选择数据类型（[np.object]）
str_df=str_df.stack（）.str.decode（'utf-8'）.unstack（）
对于str_df中的col：
NSQIPdf_列[col]=str_df[col]
y_train=NSQIPdf_train.loc[：，（'SEPSISPATOS'，'SEPSHOCKPATOS'，'OTHSYSEP'，'othshock'）]

这进一步加剧了我的问题。。。当输出变为：

SEPSISPATOS SEPSHOCKPATOS OTHSYSEP othshock SEPSISPATOS
楠楠0
楠楠0
楠楠0
楠楠0

在进行比较之前，请使用

.str.decode（'utf-8'）

将字节值转换为字符串（请参见此）：

注意：我猜

.str.contains

会在引擎盖下进行转换。

在进行比较之前，使用

.str.decode（'utf-8'）

将字节值转换为字符串（请参见此）：

---

注：我猜

.str.contains

在引擎盖下进行转换。

我是熊猫的新手，但可能

str.fullmatch

有帮助-更严格版本的

str.contains

匹配整个字符串，因此

y_train['SEPSHOCKPATOS'].str.fullmatch('Yes')

---

虽然请注意，这实际上是在检查正则表达式，但请注意您使用的字符串是否包含任何特殊字符。

我是Pandas的新手，但可能

str.fullmatch

有帮助-更严格版本的

str.contains

匹配整个字符串，因此

y_train['SEPSHOCKPATOS'].str.fullmatch('Yes')

---

请注意，这实际上是针对正则表达式进行检查，因此请注意您使用的字符串是否包含任何特殊字符。

y_train['SEPSHOCKPATOS'].str.=（'Yes'）

不是有效的Python语法。此外，

'Yes'

周围的括号是一个字符。

.str

是一个访问器，所以

y_train['SEPSHOCKPATOS'].str='Yes'

没有做你认为它做的事情（试着打印

y_train['SEPSHOCKPATOS'].str

）谢谢你，我已经做了这些更改并更新了原始帖子中的代码（第三块）以反映这一点，但是y_train['SEPSISPATOS']='Yes'似乎也不起作用。与之前相同的输出。

.str.decode（'utf-9'）

应该是utf-8

y_train['SEPSHOCKPATOS']。str.==（'Yes'）

不是有效的Python语法此外，

'Yes'

周围的括号是一个分心符，

.str

是一个访问器，因此

y_train['SEPSHOCKPATOS'].str=='Yes'

没有做你认为它会做的事情（试着打印

y_train['SEPSHOCKPATOS'].str

）谢谢你，我已经做了这些更改并更新了原始帖子中的代码（第三块）来反映它，但是y_train['sepsipatos']=='Yes'似乎也不起作用。与之前相同的输出。

.str.decode（'utf-9'）

应该是utf-8I尝试了两个y_序列['SEPSHOCKPATOS']。str.decode（'utf-8'）=='Yes'，结果与之前相同。基于您建议中的链接，我还尝试了预先解码整个df，这实际上导致了更多的问题。打印出y_train['SEPSHOCKPATOS'].str.decode（'utf-8'）给了我NaNs。我尝试了两个y_train['SEPSHOCKPATOS'].str.decode（'utf-8'）=='Yes'，结果与之前相同。基于您建议中的链接，我还尝试了预先解码整个df，这实际上导致了更多的问题。打印出y_train['SEPSHOCKPATOS'].str.decode（'utf-8'）会让我感到不安。