Python Pandas實現字符串子串檢測

一、介紹

在實際應用中，經常需要對字符串進行子串檢測，以便過濾、篩選、統計、匹配等操作。Python自帶了字符串相關的操作函數和正則表達式庫，但是當我們處理較大的文本數據時，這些方法的效率可能較低。 Pandas是Python中一種基於NumPy的數據處理庫，不僅支持強大的數據結構和算法，還能高效地處理大規模的數據。本文就介紹如何使用Pandas中的str.contains()函數來實現字符串子串檢測操作。

二、使用str.contains()函數實現字符串子串檢測

Pandas中的str.contains()函數可以檢測Series中的每個元素是否包含指定的子串，並返回一組布爾值。下面是一個示例代碼：

import pandas as pd

data = pd.Series(['apple', 'banana', 'pear', 'orange'])
mask = data.str.contains('app')
print(mask)

運行代碼後，將會輸出以下結果：

0     True
1    False
2    False
3    False
dtype: bool

從結果可以看出，只有第一個元素包含了子串「app」，而其他元素沒有包含。可以發現，str.contains()函數的參數可以是字符串或正則表達式。如果要使用正則表達式進行匹配，只需將regex參數設置為True即可。

三、實際案例：處理電影數據

接下來，我們以電影數據為例，演示如何使用Pandas中的str.contains()函數進行字符串子串檢測和篩選操作。首先，我們需要導入電影數據集，並查看數據的前幾行。

import pandas as pd

# 讀取電影數據
movies = pd.read_csv("movies.csv")

# 查看數據的前5行
print(movies.head())

運行代碼後，將會輸出以下結果：

   movieId                               title                  genres
0        1                    Toy Story (1995)  Adventure|Animation|Children|Comedy|Fantasy
1        2                      Jumanji (1995)                   Adventure|Children|Fantasy
2        3             Grumpier Old Men (1995)                           Comedy|Romance
3        4            Waiting to Exhale (1995)                     Comedy|Drama|Romance
4        5  Father of the Bride Part II (1995)                           Comedy

我們可以看到，該數據集包含3個列：movieId表示電影的ID，title表示電影的名稱和上映年份，genres表示電影的類型。

然後，我們就可以用str.contains()函數，從數據中選取包含指定類型的電影，並輸出結果。例如，如果我們想選取所有包含「Action」類型的電影，可以如下編寫代碼：

# 選取Action類型電影
action_movies = movies[movies["genres"].str.contains("Action")]

# 查看第一行數據
print(action_movies.head(1))

運行代碼後，將會輸出以下結果：

     movieId              title                             genres
8          9  Sudden Death (1995)  Action|Adventure|Thriller

我們可以看到，action_movies變量中僅包含一個電影，該電影的ID為9，名稱為「Sudden Death」，類型為「Action|Adventure|Thriller」。

四、總結

通過本文的介紹，我們了解了如何使用Pandas中的str.contains()函數來實現字符串子串檢測操作，以及如何在實際案例中應用該函數進行數據篩選和分析。Pandas的強大功能將為我們的數據預處理和分析工作提供極大的便利。感興趣的讀者可以嘗試使用其他Pandas函數來進一步擴展和優化代碼。