पायथन पांडा ..Series.str.contains पूर्ण शब्द

Question

डीएफ (पांडस डेटाफ्रेम) में तीन पंक्तियां हैं।

col_name 
"This is Donald." 
"His hands are so small" 
"Why are his fingers so short?" 

मैं उस पंक्ति को निकालना चाहता हूं जिसमें "है" और "छोटा" है।

अगर मैं

df.col_name.str.contains("is|small", case=False) 

करते तो यह फैल जाती है "उनकी" अच्छी तरह से जो के रूप में मैं नहीं चाहता कि चाहते हैं।

नीचे दिए गए प्रश्न df.series में पूरे शब्द को पकड़ने का सही तरीका है?

df.col_name.str.contains("\bis\b|\bsmall\b", case=False) 

Answer 1

नहीं है, regex /bis/b|/bsmall/b क्योंकि आप /b उपयोग कर रहे हैं असफल हो जायेगी, \b मतलब यह है कि "शब्द सीमा" नहीं।

इसे बदलें और आपको एक मैच मिल जाएगा। मैं

\b(is|small)\b 

का उपयोग करने की अनुशंसा करता हूं कि रेगेक्स थोड़ा तेज़ और थोड़ा और सुगम है, कम से कम मेरे लिए।

Answer 2

आपका तरीका (साथ/बी) मेरे लिए काम नहीं करता है। मुझे यकीन नहीं है कि आप लॉजिकल ऑपरेटर का उपयोग क्यों नहीं कर सकते हैं और() क्योंकि मुझे लगता है कि आप वास्तव में यही चाहते हैं।

यह यह करने के लिए एक मूर्खतापूर्ण तरीका है, लेकिन यह काम करता है:

mask = lambda x: ("is" in x) & ("small" in x) 
series_name.apply(mask) 

Answer 3

सबसे पहले, आप सबकुछ को लोअरकेस में परिवर्तित करना, विराम चिह्न और सफेद जगह को हटाने और फिर परिणाम को शब्दों के एक समूह में परिवर्तित करना चाहते हैं।

import string 

df['words'] = [set(words) for words in 
    df['col_name'] 
    .str.lower() 
    .str.replace('[{0}]*'.format(string.punctuation), '') 
    .str.strip() 
    .str.split() 
] 

>>> df 
         col_name        words 
0    This is Donald.     {this, is, donald} 
1   His hands are so small   {small, his, so, are, hands} 
2 Why are his fingers so short? {short, fingers, his, so, are, why} 

अब आप यह देखने के लिए बूलियन इंडेक्सिंग का उपयोग कर सकते हैं कि आपके सभी लक्षित शब्द इन नए शब्द सेट में हैं या नहीं।

target_words = ['is', 'small'] 
# Convert target words to lower case just to be safe. 
target_words = [word.lower() for word in target_words] 

df['match'] = df.words.apply(lambda words: all(target_word in words 
               for target_word in target_words)) 


print(df) 
# Output: 
#       col_name        words match 
# 0    This is Donald.     {this, is, donald} False 
# 1   His hands are so small   {small, his, so, are, hands} False 
# 2 Why are his fingers so short? {short, fingers, his, so, are, why} False  

target_words = ['so', 'small'] 
target_words = [word.lower() for word in target_words] 

df['match'] = df.words.apply(lambda words: all(target_word in words 
               for target_word in target_words)) 

print(df) 
# Output: 
# Output: 
#       col_name        words match 
# 0    This is Donald.     {this, is, donald} False 
# 1   His hands are so small   {small, his, so, are, hands} True 
# 2 Why are his fingers so short? {short, fingers, his, so, are, why} False  

निकालने के लिए मिलान पंक्तियाँ:

df.loc[[all(target_word in word_set for target_word in target_words) 
     for word_set in (set(words) for words in 
         df['col_name'] 
         .str.lower() 
         .str.replace('[{0}]*'.format(string.punctuation), '') 
         .str.strip() 
         .str.split())], :]