.str.contains

`.str.contains` 是 Python 中 Pandas 库中 DataFrame 或者 Series 对象的一个方法，用于检查某个字符串是否包含特定的子串（模式）。这个方法主要用于进行文本数据的筛选或条件查询。

当你对一个 `Series` 应用 `.str.contains()` 时，它会返回一个新的布尔 `Series`，其中每个元素对应原 Series 中的值，如果该值包含指定的子串，则为 `True`，否则为 `False`。如果你对 `DataFrame` 使用，它会对每一列应用此操作。

语法通常是这样的：

df['column_name'].str.contains(pattern, case=True, flags=0, na=False)

参数说明：
- `pattern`: 需要查找的子串或正则表达式。
- `case`: 是否区分大小写，默认为 `True`。设置为 `False` 可以忽略大小写。
- `flags`: 如果提供的是正则表达式，这将是一个标志位，例如 `re.IGNORECASE` 或 `re.MULTILINE`。
- `na`: 是否包括 `NaN` 值在内搜索，默认为 `False`。如果设置为 `True`，则 `NaN` 会被当作匹配。

例如，如果你想找出一个 `'column'` 列中包含 "apple" 的行，你可以这样做：

mask = df['column'].str.contains('apple')
df[mask]

相关问题

df['备注'].str.contains('红') | df['备注'].str.contains('张')与patterns = ['张', '红'] df['备注'].str.contains('|'.join(patterns))的区别

这两个语句的作用是类似的，都是用于判断一个数据框(df)中的“备注”列中是否包含“张”或“红”关键词。但是第二个语句使用了更简洁的代码，即使用了join函数，将patterns列表中的元素以“|”符号连接起来作为一个正则表达式模式进行匹配。这样可以减少代码量并提高可读性。

c=pd.DataFrame(c) d=c[1].value_counts() print(d) d=pd.DataFrame(d) print(d[~d.index.str.contains("normal")]) e=d[~d.index.str.contains("normal")] f=d[d.index.str.contains("normal")]怎么把f中含有e中除normal外行名一样的数据整合在一起

你可以使用 Pandas 的 merge() 函数将两个 DataFrame 合并，以行名作为连接的键。具体代码如下：

merged = pd.merge(e, f[f.index.isin(e.index)], left_index=True, right_index=True)

这个代码将 e 和 f 中行名相同的部分合并到了一起，并返回一个新的 DataFrame merged。其中，left_index 和 right_index 参数分别指定连接时使用左侧和右侧 DataFrame 的行名作为键。isin() 函数用于判断 f 中的行名是否在 e 中出现过。