通过精确的单词匹配过滤熊猫数据框

debugcn 发表于 Dev

尼尔

我在熊猫中有以下数据框

          Date                             Title
58      March 2015        Data Visualization with JavaScript
63   December 2014          Eloquent JavaScript, 2nd Edition
90    October 2014             If Hemingway Wrote JavaScript
96   December 2014                       JavaScript for Kids
158  February 2014  Principles of Object-Oriented JavaScript
209  November 2005                          Wicked Cool Java

我必须过滤其中包含单词JavaScript的行。我正在关注。

category_javascript = np.where(Publisher['Title'].str.contains(r'(?:\s|^)JavaScript(?:\s|$)'))

它给了我以下的outupt

category_javascript
Out[106]: (array([ 58,  90,  96, 158], dtype=int64),)

63 December 2014 Eloquent JavaScript, 2nd Edition我认为它不会过滤，因为JavaScript单词后面是逗号。我想找到准确的单词，而不考虑标点符号或组合形式。例如JavaScript-Book也可以。

请帮忙

耶斯列尔

IIUC，您不需要正则表达式，只需字符串JavaScript：

category_javascript = np.where(Publisher['Title'].str.contains('JavaScript'))

print (Publisher['Title'].str.contains('JavaScript'))
58      True
63      True
90      True
96      True
158     True
209    False
Name: Title, dtype: bool

print (Publisher[Publisher['Title'].str.contains('JavaScript')])
              Date                                     Title
58      March 2015        Data Visualization with JavaScript
63   December 2014          Eloquent JavaScript, 2nd Edition
90    October 2014             If Hemingway Wrote JavaScript
96   December 2014                       JavaScript for Kids
158  February 2014  Principles of Object-Oriented JavaScript

您可以将变音符号添加到正则表达式中，例如[,;]：

print (Publisher['Title'].str.contains('(?:\s|^|[,;])JavaScript(?:\s|$|[,;])'))
58      True
63      True
90      True
96      True
158     True
209    False
Name: Title, dtype: bool

print (Publisher['Title'].str.contains('(?:\s|^|[,;])Java(?:\s|$|[,;])'))
58     False
63     False
90     False
96     False
158    False
209     True
Name: Title, dtype: bool

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。