dataframe 筛选字符串

DataFrame中可以通过字符串筛选来选择满足特定要求的行或列。

首先，可以使用.loc方法，它支持Boolean Indexing，用来选择DataFrame中部分行或列，比如：

df.loc[df['column_name'] == 'string']

其中`column_name`是DataFrame中的列名，`string`是要筛选的字符串。

如果需要模糊匹配的话，可以使用.str属性来操作字符串：

df.loc[df['column_name'].str.contains('string')]

这里使用了`contains`方法，表示含有`string`的字符串都会被筛选出来。

如果需要忽略大小写，可以设置`case`参数：

df.loc[df['column_name'].str.contains('string', case=False)]

如果需要同时筛选多个字符串，可以使用`isin`方法：

df.loc[df['column_name'].isin(['string1', 'string2'])]

这里的`isin`方法接受一个列表作为参数，表示筛选`column_name`列中包含`string1`或`string2`的行。

除此之外，还有很多方式可以进行DataFrame中的字符串筛选，比如使用正则表达式等，根据实际需求来选择相应的方法即可。

相关问题

dataframe筛选某字符串开头的值

要筛选dataframe中某列值开头为特定字符串的行，可以使用pandas库中的str.startswith()方法。首先，使用str.startswith()方法创建一个布尔索引，然后将该索引应用于dataframe以获取符合条件的行。

例如，假设有一个名为df的dataframe，其中包含一个名为'column_name'的列，我们想要筛选出该列中值以'abc'开头的行。我们可以使用以下代码来实现：

filtered_df = df[df['column_name'].str.startswith('abc')]

以上代码中，df['column_name'].str.startswith('abc')会返回一个布尔索引，该索引代表了'column_name'列中值是否以'abc'开头。然后，我们可以将该布尔索引应用于原始dataframe df，得到一个新的dataframe filtered_df，其中只包含了'column_name'列值以'abc'开头的行。

使用以上方法，我们可以轻松地筛选出dataframe中某列值开头为特定字符串的行，从而实现我们的需求。

dataframe 空字符串替换

要将DataFrame中的空值替换为空字符串，可以使用fillna函数并将替换值参数设置为''。例如，df.fillna('', inplace=True)可以将DataFrame中的所有缺失值替换为空字符串。

如果不想修改原始DataFrame，可以将inplace参数设置为False，并将填充后的DataFrame赋值给一个新的变量。例如，df_filled = df.fillna('')可以得到一个填充后的DataFrame。

如果想要将DataFrame中某一列中不是特定值的字符串替换为另一个值，可以使用loc和布尔索引进行筛选和替换。例如，假设想要将col1列中不是'pre'的字符串替换为'Nonpre'，可以使用df.loc[df['col1'] != 'pre', 'col1'] = 'Nonpre'。这将会把col1列中所有不等于'pre'的值替换为'Nonpre'。