我有一個(gè)數(shù)據(jù)框，我想在其中刪除一些包含一些文本的行。Date Campaign3/24/20 GA Shoes Search Campaign3/24/20 GA Shoes Display Campaign3/24/20 GA Bag Search Campaign3/24/20 GA Bag Display Campaign3/24/20 IG Shoes Campaign3/24/20 IG Bag Campaign3/24/20 FB Shoes Campaign3/24/20 FB Bag Campaign3/24/20 Email Campaign我想刪除所有行并保留包含 GA 的行。這是我想要的結(jié)果：Date Campaign3/24/20 GA Shoes Search Campaign3/24/20 GA Shoes Display Campaign3/24/20 GA Bag Search Campaign3/24/20 GA Bag Display Campaign我試著這樣做：mask = df['Campaign'].str.contains('FB')idx = df.index[mask]new = df.drop(idx,axis=0)但是，它只有在我一次做一個(gè)字符串時(shí)才有效。我試圖這樣做以節(jié)省時(shí)間，但沒(méi)有成功：mask = df['Campaign'].str.contains('FB', 'Email', 'IG')idx = df.index[mask]new = df.drop(idx,axis=0)
3 回答
繁星coding
TA貢獻(xiàn)1797條經(jīng)驗(yàn) 獲得超4個(gè)贊
與其刪除包含其他字母的行，不如應(yīng)用一個(gè)函數(shù)來(lái)獲取包含' GA' 的行：
new = df[df['Campaign'].apply(lambda x: 'GA' in x)]
蝴蝶不菲
TA貢獻(xiàn)1810條經(jīng)驗(yàn) 獲得超4個(gè)贊
這里的假設(shè)是對(duì)于所有相關(guān)行，GA是在句子的開(kāi)頭。Pandas str?startswith可以在這里提供幫助：
df.loc[df.Campaign.str.startswith("GA")]
? ? Date? ? Campaign
0? ?3/24/20 GA Shoes Search Campaign
1? ?3/24/20 GA Shoes Display Campaign
2? ?3/24/20 GA Bag Search Campaign
3? ?3/24/20 GA Bag Display Campaign
但是，如果GA可能嵌入在句子中而不是在最開(kāi)頭，那么如果您提供與此類似的數(shù)據(jù)將會(huì)很有幫助。這樣，就可以確定它GA是在單詞中，還是單獨(dú)存在，或者其他什么，并希望找到適合的解決方案
www說(shuō)
TA貢獻(xiàn)1775條經(jīng)驗(yàn) 獲得超8個(gè)贊
設(shè)置示例數(shù)據(jù)框
如果你有一個(gè)數(shù)據(jù)框：
df = pd.DataFrame({'x': ['A0', 'A1', 'B2', 'A3'],
? ? ? ? ? ? ? ? ? ?'y': ['B0', 'B1', 'B2', 'B3'],
? ? ? ? ? ? ? ? ? ?'z': ['A0', 'C1', 'C2', 'C3'],
? ? ? ? ? ? ? ? ? ?'w': ['D0', 'D1', 'D2', 'D3']},
? ? ? ? ? ? ? ? ? ? index=[0, 1, 2, 3])
看起來(lái)像：
假設(shè)您要?jiǎng)?chuàng)建包含A在 column 中的那些行x。
方法
str.contains:
你可以做：
df[df['x'].str.contains('A')]列表理解
df[['A' in each for each in df['x']]]就足夠了。
apply():
如果你喜歡apply()，可以這樣做：
df[df['x'].apply(lambda?x:?'A'?in?x)]
結(jié)果
所有這些方法都會(huì)給你：
最后說(shuō)明?更一般地說(shuō)：
方法
str.contains：
df[df[name_of_column_which_should_contain_something].str.contains(what_should_it_contain)]
列表理解方法：
df[[what_to_search_for in each for each in df[whichcolumn]]]方法
apply()：df[df[which_column_to_search_in].apply(lambda x: what_to_search_for in x)]
添加回答
舉報(bào)
0/150
提交
取消