使用 Pandas 选择包含特定文本的行

在使用 pandas 数据框预处理数据时，可能需要查找包含特定文本的行。在本文中，我们将讨论在 pandas 的数据帧的列或行中查找包含特定文本的行的方法。

使用中的数据集：

job	Age_Range	Salary	Credit-Rating	Savings	Buys_Hone
Own	Middle-aged	High	Fair	10000	Yes
Govt	Young	Low	Fair	15000	No
Private	Senior	Average	Excellent	20000	Yes
Own	Middle-aged	High	Fair	13000	No
Own	Young	Low	Excellent	17000	Yes
Private	Senior	Average	Fair	18000	No
Govt	Young	Average	Fair	11000	No
Private	Middle-aged	Low	Excellent	9000	No
Govt	Senior	High	Excellent	14000	Yes

方法 1：使用 contains()

使用字符串的 contains()函数来过滤行。我们根据数据框的“信用评级”列过滤行，方法是将其转换为字符串，然后是字符串类的 contains 方法。 contains() 方法接受一个参数并在调用它的对象中找到模式。

例子：

Python3

# importing pandas as pd
import pandas as pd
  
# reading csv file
df = pd.read_csv("Assignment.csv")
  
# filtering the rows where Credit-Rating is Fair
df = df[df['Credit-Rating'].str.contains('Fair')]
print(df)

输出 ：

包含 Fair as Savings 的行

方法 2：使用 itertuples()

使用 itertuples() 通过 find 迭代行以获取包含所需文本的行。 itertuple 方法返回一个迭代器，为 DataFrame 中的每一行生成一个命名元组。它比熊猫的 iterrows() 方法工作得更快。

例子：

蟒蛇3

# importing pandas as pd
import pandas as pd
  
# reading csv file
df = pd.read_csv("Assignment.csv")
  
# filtering the rows where Age_Range contains Young
for x in df.itertuples():
    if x[2].find('Young') != -1:
        print(x)

输出 ：

Age_Range 为年轻的行

方法 3：使用 iterrows()

使用 iterrows() 通过 find 迭代行以获取包含所需文本的行。 iterrows()函数返回产生每个索引值的迭代器以及包含每行数据的系列。与 itertuples 相比，它更慢，因为它进行了大量类型检查。

例子：

蟒蛇3

# importing pandas as pd
import pandas as pd
  
# reading csv file
df = pd.read_csv("Assignment.csv")
  
# filtering the rows where job is Govt
for index, row in df.iterrows():
    if 'Govt' in row['job']:
        print(index, row['job'], row['Age_Range'],
              row['Salary'], row['Savings'], row['Credit-Rating'])

输出 ：

担任政府职务的行

方法四：使用正则表达式

使用正则表达式查找具有所需文本的行。 search() 是模块 re 的一个方法。 re.search(pattern, 字符串)：它类似于 re.match() 但它不限制我们只在字符串的开头查找匹配项。我们正在迭代每一行，并将每个索引处的作业与“Govt”进行比较，以仅选择这些行。

例子：

蟒蛇3

# using regular expressions
from re import search
  
# import pandas as pd
import pandas as pd
  
# reading CSV file
df = pd.read_csv("Assignment.csv")
  
# iterating over rows with job as Govt and printing
for ind in df.index:
    if search('Govt', df['job'][ind]):
        print(df['job'][ind], df['Savings'][ind],
              df['Age_Range'][ind], df['Credit-Rating'][ind])

输出 ：

工作是政府的行