Pandas 列 Regex 不包含 - Python

如果你正在使用 Pandas 进行数据处理，并且需要使用 Regex （正则表达式）来进行列过滤，你可能会遇到需要从列中过滤掉特定字符串的情况。这可以通过使用 Pandas 的 Series.str.contains() 方法来实现。但是，如果我们需要从列中过滤掉一些特定的字符串，该怎么办呢？

在本教程中，我们将介绍如何使用 Pandas 中的 Series.str.contains() 方法过滤出不包含指定字符串的列数据。

环境准备

在开始本教程之前，请先确保你已经安装好了 Pandas，可以通过下面的命令来检查你的环境是否已经准备就绪：

import pandas as pd

print(pd.__version__)

如果你的环境中已经安装了 Pandas，你应该会看到类似下面的输出：

1.2.3

使用 Pandas 过滤出不包含指定字符串的列数据

假设我们有一个数据集，包含了不同城市的人口信息。我们可以通过以下代码来创建一个示例数据集：

import pandas as pd

data = {
    'city': ['Shanghai', 'Beijing', 'Guangzhou', 'Shenzhen', 'Hangzhou'],
    'population': [24180000, 21710000, 14050000, 13020000, 9884000]
}

df = pd.DataFrame(data)

这将创建一个包含了 'city' 和 'population' 两列数据的 DataFrame。我们可以使用 Pandas 的 Series.str.contains() 方法来过滤出包含指定字符串的数据，例如：

filtered_df = df[df['city'].str.contains('hen')]

print(filtered_df)

通过上述代码，我们可以过滤出 city 列中包含 'hen' 的行数据，输出结果如下：

       city  population
1   Beijing    21710000
3  Shenzhen    13020000

但是，如果我们需要过滤出不包含指定字符串的数据，该怎么实现呢？我们可以通过在正则表达式中使用 ^ 符号来实现，例如：

filtered_df = df[~df['city'].str.contains('^.*hen.*$', regex=True)]

print(filtered_df)

通过在正则表达式中使用 ^ 符号表示字符串的开头，$ 符号表示字符串的结尾，.* 表示任意字符。我们可以在 ^ 和 $ 之间使用 .* 来表示不包含指定字符串的条件。通过在 [] 中使用 ~ 符号，我们可以实现不包含指定字符串的条件筛选。最终，我们可以得到如下输出结果：

        city  population
0   Shanghai    24180000
2  Guangzhou    14050000
4   Hangzhou     9884000

总结

在本教程中，我们介绍了如何在 Pandas 中使用 Series.str.contains() 方法过滤出不包含指定字符串的列数据。通过在正则表达式中使用 ^ 和 $ 符号以及 .* 来实现条件筛选。通过本教程的学习，相信读者已经可以熟练地使用 Pandas 进行数据处理了。