在pandas中搜索多个字符串而不预定义字符串数量

Question

我在想有没有更通用的方法来实现下面的功能？我想知道有没有办法创建一个 st 函数，这样我就可以搜索任意数量的字符串，而不是事先定义好的数量。

举个例子，我希望能够创建一个通用的 st 函数，然后输入 st('Governor', 'Virginia', 'Google') 这样的内容。

这是我现在的函数，但它只允许使用两个预先定义的单词。（df 是一个 pandas 数据框）

def search(word1, word2, word3 df):
    """
    allows you to search an intersection of three terms
    """
    return df[df.Name.str.contains(word1) & df.Name.str.contains(word2) & df.Name.str.contains(word3)]

st('Governor', 'Virginia', newauthdf)

Answer 1

str.contains 可以使用正则表达式（regex）。所以你可以用 '|'.join(words) 来作为搜索的模式；为了安全起见，也可以用 re.escape 来处理一下：

>>> df
                 Name
0                Test
1            Virginia
2              Google
3  Google in Virginia
4               Apple

[5 rows x 1 columns]
>>> words = ['Governor', 'Virginia', 'Google']

'|'.join(map(re.escape, words)) 就是要用的搜索模式：

>>> import re
>>> pat = '|'.join(map(re.escape, words))
>>> df.Name.str.contains(pat)
0    False
1     True
2     True
3     True
4    False
Name: Name, dtype: bool

Answer 2

你可以使用 np.logical_and.reduce：

import pandas as pd
import numpy as np
def search(df, *words):  #1
    """
    Return a sub-DataFrame of those rows whose Name column match all the words.
    """
    return df[np.logical_and.reduce([df['Name'].str.contains(word) for word in words])]   # 2


df = pd.DataFrame({'Name':['Virginia Google Governor',
                           'Governor Virginia',
                           'Governor Virginia Google']})
print(search(df, 'Governor', 'Virginia', 'Google'))

输出结果是

                       Name
0  Virginia Google Governor
2  Governor Virginia Google

---

1. * 在 def search(df, *words) 中的作用是让 search 可以接收任意数量的位置参数。它会把所有参数（除了第一个）收集起来，放到一个叫 words 的列表里。
2. np.logical_and.reduce([X,Y,Z]) 的意思和 X & Y & Z 是一样的。不过，它可以处理任意长度的列表。