使用熊猫
选择包含特定文本的行
原文:https://www.geesforgeks.org/select-rows-包含特定文本的行-使用-pandas/
在使用 pandas dataframe 预处理数据时，可能需要找到包含特定文本的行。在本文中，我们将讨论在 pandas 的数据框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:
方法 1:使用 contains()
使用字符串的包含()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，后跟字符串类的 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。
示例:
蟒蛇 3
# 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:
包含公平储蓄的行
方法 2:使用 itertuples()
使用 ITER 元组()使用 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()方法更快。
示例:
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:
年龄范围为年轻的行
方法 3:使用 ITER row()
使用 iterrows()使用 find 循环访问行，以获取包含所需文本的行。iterrows()函数返回迭代器，该迭代器产生每个索引值以及包含每行数据的序列。它比 ITER 元组慢，因为它进行了大量的类型检查。
示例:
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:
职务为政府的行
方法 4:使用正则表达式
使用正则表达式查找包含所需文本的行。 search() 是模块 re 的一种方法。re.search(pattern，string):它与 re.match()类似，但它并不限制我们只在字符串的开头查找匹配项。我们对每一行进行迭代，并将每个索引处的作业与“Govt”进行比较，以便只选择那些行。
示例:
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
