博客

详解pandas.Series.str.contains()（检测序列中的字符串包含）函数使用方法

  • Post category:Python

pandas.Series.str.contains() 是一个Series对象的字符串处理方法，用于检查指定字符串是否包含于Series对象的每个元素中。其返回值是Series对象，元素为True或False，表示是否包含指定字符串。

该方法的语法如下：

Series.str.contains(pat, case=True, flags=0, na=nan, regex=True)

参数说明:

  • pat: 匹配的字符串或正则表达式
  • case: 是否区分大小写，缺省为True
  • flags: 编译时用的正则表达式标志位，默认为0
  • na: 缺失值用于替换
  • regex: 是否使用正则表达式，默认为True

使用示例一：

import pandas as pd

data = {'name':['Jack', 'Tom', 'Mary', 'David'],
        'age':[18, 22, 21, 19],
        'email':['abc@domain.com', 'tom@domain.cn', 'mary@domain.com', 'david@domain.cn']
       }
df = pd.DataFrame(data)

result = df['email'].str.contains('domain')
print(result)

输出结果为:

0     True
1     True
2     True
3     True
Name: email, dtype: bool

该示例中，我们创建了一个DataFrame对象df，其中包含了name, age和email三个列。使用df[’email’].str.contains()方法，判断Series对象中的每个元素是否包含字符串”domain”，返回一个bool型Series对象，其中都为True，指示每个元素都包含”domain”字符串。

使用示例二：

import pandas as pd

data = {'name':['Jack', 'Tom', 'Mary', 'David'],
        'age':[18, 22, 21, 19],
        'phone':['+1-123-456-7890', '+86-999-8888-7777', '+33-23-4567-8910', '+44-2345-6789-01']
       }
df = pd.DataFrame(data)

result = df['phone'].str.contains('\+\d{1}-')
print(result)

输出结果为:

0     True
1     True
2    False
3    False
Name: phone, dtype: bool

该示例中，我们使用正则表达式’+\d{1}-‘表示匹配”+”后面只有一位数字，接着跟着”-“符号。现在我们用该正则表达式对df[‘phone’]列做匹配，用df[‘phone’].str.contains()来查找所有匹配的行。输出结果显示，第一个和第二个元素都匹配，返回True。第三个和第四个元素都不匹配，返回False。

综上所述，pandas.Series.str.contains()函数可以用来判断Series对象的元素是否包含指定字符串或正则表达式，是一种非常实用的字符串处理方法。如果你在进行数据清洗或特征选择的过程中遇到类似的需求，不妨试试这个函数。

Tags: