如何根据多个子字符串（包括特殊字符）有效过滤 Pandas 行？

Pandas：有效过滤多个子字符串的行

基于多个子字符串过滤 pandas 数据帧可能具有挑战性，特别是当子字符串包含异常字符时。本文提供了一种结合使用正则表达式和 pandas 字符串匹配函数的有效解决方案。

提供的子字符串列表 (lst) 包含包含常规字符和特殊字符的元素。为了从字面上匹配它们，我们可以使用 re.escape 转义这些特殊字符，并使用正则表达式管道 (|) 连接它们。

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

现在，我们可以有效地检查目标列 (col) 的每一行使用 str.contains 反对模式：

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

这种方法明显优于使用嵌套循环和多个 str.contains 的原始解决方案

性能比较

使用包含 50,000 个 20 个字符的字符串和 100 个 5 个字符的子字符串的数据集，建议的方法大约需要 1 秒：

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

相比之下，原始方法在同一时间大约需要 5 秒数据集。

注意： 时间表示没有匹配的最坏情况。当存在匹配时，所提出的方法将表现得更好，因为一旦找到匹配，它将停止检查子字符串。

以上是如何根据多个子字符串（包括特殊字符）有效过滤 Pandas 行？的详细内容。更多信息请关注PHP中文网其他相关文章！