如何在pandas的str.contains中使用\b词边界？

Question

使用str.contains的时候有没有类似的东西？

下面的代码错误地把“Said Business School”列入了这个类别，因为它包含了“Sa.” 如果我能创建一个单词边界，就能解决这个问题。加个空格反而会搞乱。 我在使用pandas，也就是数据框（dfs）。我知道可以用正则表达式，但我只是好奇有没有办法用字符串来让它更快。

gprivate_n = ('Co|Inc|Llc|Group|Ltd|Corp|Plc|Sa |Insurance|Ag|As|Media|&|Corporation')
df.loc[df[df.Name.str.contains('{0}'.format(gprivate_n))].index, "Private"] = 1 

Answer 1

这其实是Python在正则表达式中常见的问题，'\b'这个符号应该以原始字符串的形式传入，也就是用 raw-string 写成 r'\b...'。或者不太推荐的方式是使用双重转义，也就是写成 '\\b'。

所以你的正则表达式应该是：

gprivate_n = (r'\b(Co|Inc|Llc|Group|Ltd|Corp|Plc|Sa |Insurance|Ag|As|Media|&|Corporation)')

Answer 2

词边界并不是一个具体的字符，所以你不能用 .contains 来查找它。你需要使用正则表达式，或者把字符串拆分成单词，然后检查这些单词是否在你当前定义的 gprivate_n 集合里。