检查pandas [duplicate]中的dataframe列中是否包含某个值

Question

这个问题在这里已有答案：

• How to filter rows containing a string pattern from a Pandas dataframe [duplicate] 4个答案

我试图检查python列中是否包含某个值。我正在使用df.date.isin(['07311954'])，我毫不怀疑它是一个很好的工具。问题是我有超过350K的行，输出不会显示所有这些，所以我可以看到该值是否实际包含。简而言之，我只想知道（Y / N）列中是否包含特定值。我的代码如下：

import numpy as np
import pandas as pd
import glob


df = (pd.read_csv('/home/jayaramdas/anaconda3/Thesis/FEC_data/itpas2_data/itpas214.txt',\
    sep='|', header=None, low_memory=False, names=['1', '2', '3', '4', '5', '6', '7', \
    '8', '9', '10', '11', '12', '13', 'date', '15', '16', '17', '18', '19', '20', \
    '21', '22']))

df.date.isin(['07311954'])

Answer 1

我认为你需要str.contains，如果你需要列date的值包含字符串07311954的行：

print df[df['date'].astype(str).str.contains('07311954')]

或者，如果type列的date是string：

print df[df['date'].str.contains('07311954')]

如果您想在string列中查看1954 date的最后4位数字：

print df[df['date'].astype(str).str[-4:].str.contains('1954')]

样品：

print df['date']
0    8152007
1    9262007
2    7311954
3    2252011
4    2012011
5    2012011
6    2222011
7    2282011
Name: date, dtype: int64

print df['date'].astype(str).str[-4:].str.contains('1954')
0    False
1    False
2     True
3    False
4    False
5    False
6    False
7    False
Name: date, dtype: bool

print df[df['date'].astype(str).str[-4:].str.contains('1954')]
     cmte_id trans_typ entity_typ state  employer  occupation     date  \
2  C00119040       24K        CCM    MD       NaN         NaN  7311954   

   amount     fec_id    cand_id  
2    1000  C00140715  H2MD05155  

Answer 2

你可以简单地使用这个：

返回'07311954' in df.date.values或True的False

---

这是进一步的解释：

在pandas中，使用in直接检查DataFrame和Series（例如val in df或val in series）将检查val是否包含在索引中。

但你仍然可以使用in检查他们的值（而不是索引）！只需使用val in df.col_name.values或val in series.values。这样，你实际上是用Numpy数组检查val。

而.isin(vals)是另一种方式，它检查DataFrame / Series值是否在vals中。这里vals必须设置或列表。所以这不是解决问题的自然方式。

Answer 3

你可以使用any：

print any(df.column == 07311954)
True       #true if it contains the number, false otherwise

如果您想要查看列中出现“07311954”的次数，您可以使用：

df.column[df.column == 07311954].count()