如何根据字符串和特殊字符过滤pd.Dataframe？

Question

这是我的：

import re
import pandas as pd
d = {'ID': [1, 2, 3, 4, 5], 'Desc': ['0*1***HHCM', 'HC:83*20', 'HC:5*2CASL', 'DM*72\nCAS*', 'HC:564*CAS*5']}
df = pd.DataFrame(data=d)
df

Output:

   ID          Desc
0   1    0*1***HHCM
1   2      HC:83*20
2   3    HC:5*2CASL
3   4   DM*72\nCAS*
4   5  HC:564*CAS*5

我需要按列 "Desc" 过滤数据框，如果它包含未被字母或数字包围的 "CAS" 或 "HC"。

这是我尝试过的：

new_df = df[df['Desc'].str.match(r'[^A-Za-z0-9]CAS[^A-Za-z0-9]|[^A-Za-z0-9]HC[^A-Za-z0-9]') == True]

它return是一个空数据框。

我想要return以下内容：

   ID          Desc
1   2      HC:83*20
2   3    HC:5*2CASL
3   4   DM*72\nCAS*
4   5  HC:564*CAS*5

另一件事：由于第3行有“\nCas”，其中“\n”是行分隔符，它会把它当作"CAS"之前的字母吗？

请帮忙。

Answer 1

你可以试试这个，它只检查 CAS 和 HC 之前的数字和字母，但你也可以轻松地将其修改为：

print(df[~df['Desc'].str.contains('([0-9a-zA-Z]+CAS*)|([0-9a-zA-Z]+HC*)', regex=True)])

   ID          Desc
1   2      HC:83*20
3   4   DM*72\nCAS*
4   5  HC:564*CAS*5

Answer 2

试试这个：

df.loc[df['Desc'].str.contains(r'(\W|^)(HC|CAS)(\W|$)', flags=re.M)]

# If you don't want to import re you can just use flags=8:

df.loc[df['Desc'].str.contains(r'(\W|^)(HC|CAS)(\W|$)', flags=8)]

结果：

   ID          Desc
1   2      HC:83*20
2   3    HC:5*2CASL
3   4   DM*72\nCAS*
4   5  HC:564*CAS*5

回答你的另一个问题，只要 \n 正确传递，它将被解析为换行符而不是字母数字字符 n。即：

r'\n' -> `\n` (backslash character + n character)
'\n' -> '\n'   (newline character)

关于regex的更多解释，请看Regex101演示：https://regex101.com/r/FNBgPV/2

如何根据字符串和特殊字符过滤pd.Dataframe？

How to filter pd.Dataframe based on strings and special characters?

python

regex

string

special-characters

pandas