如何根據多個子字串（包括特殊字元）有效過濾 Pandas 行？

Pandas：有效過濾多個子字串的行

基於多個子字串過濾pandas 資料幀可能具有挑戰性，特別是當子字串包含異常字元時。本文提供了一種結合使用正規表示式和 pandas 字串匹配函數的有效解決方案。

提供的子字串清單 (lst) 包含包含常規字元和特殊字元的元素。為了從字面上匹配它們，我們可以使用 re.escape 轉義這些特殊字符，並使用正則表達式管道 (|) 連接它們。

esc_lst = [re.escape(s) for s in lst]
pattern = '|'.join(esc_lst)

現在，我們可以有效地檢查目標列(col) 的每一行使用str.contains 反對模式：

col.str.contains(pattern, case=False)

這種方法明顯優於使用巢狀循環和多個str.contains的原始解決方案

效能比較

使用包含50,000 個20 個字元的字串和100 個5 個字元的子字串的資料集，建議的方法大約需要1 秒：

%timeit col.str.contains(pattern, case=False)
1 loop, best of 3: 981 ms per loop

相較之下，原始方法在同一時間大約需要 5秒數據集。

注意： 時間表示沒有匹配的最壞情況。當存在匹配時，所提出的方法將表現得更好，因為一旦找到匹配，它將停止檢查子字串。

以上是如何根據多個子字串（包括特殊字元）有效過濾 Pandas 行？的詳細內容。更多資訊請關注PHP中文網其他相關文章！