Pandas 字符串过滤的五个示例学习

在数据处理和分析中，Pandas 是 Python 中一个极其强大的库。字符串过滤是常见的操作之一，通过巧妙运用 Pandas 的功能，我们可以高效地处理和筛选字符串数据。以下为您介绍五个实用的示例。

示例一：简单的包含过滤

假设我们有一个包含产品名称的列，我们想要筛选出名称中包含“手机”的产品。可以使用 str.contains() 方法来实现。

import pandas as pd

data = {'Product': ['手机壳', '电脑显示器', '智能手机', '耳机']}
df = pd.DataFrame(data)

filtered_df = df[df['Product'].str.contains('手机')]
print(filtered_df)

示例二：开头匹配过滤

如果我们只想获取以“苹果”开头的产品名称，可以使用 str.startswith() 方法。

filtered_df = df[df['Product'].str.startswith('苹果')]

示例三：结尾匹配过滤

与之类似，对于以特定字符串结尾的过滤，可以使用 str.endswith() 方法。

filtered_df = df[df['Product'].str.endswith('壳')]

示例四：正则表达式过滤

当过滤条件较为复杂时，正则表达式就派上用场了。Pandas 支持使用正则表达式进行字符串过滤。

import re

filtered_df = df[df['Product'].str.match(re.compile(r'.*phone$'))]

示例五：多个条件的组合过滤

有时我们需要同时满足多个条件来进行过滤。

condition1 = df['Product'].str.contains('手机')
condition2 = df['Product'].str.startswith('智能')
filtered_df = df[condition1 & condition2]

通过以上五个示例，我们对 Pandas 中的字符串过滤有了更深入的了解。掌握这些技巧，可以让我们在处理数据时更加得心应手，快速准确地获取所需的信息，为进一步的分析和决策提供有力支持。无论是处理小规模的数据集还是大规模的数据分析项目，Pandas 的字符串过滤功能都能发挥重要作用，帮助我们从海量数据中挖掘出有价值的内容。