python - from - pandas select rows by condition

Pandas DataFrame filter regex

Question

No entiendo el filter DataFrame pandas .

Preparar

import pandas as pd
df = pd.DataFrame(
[
[''Hello'', ''World''],
[''Just'', ''Wanted''],
[''To'', ''Say''],
[''I/'m'', ''Tired'']
]
)

Problema

df.filter([0], regex=r''(Hel|Just)'', axis=0)

Esperaría que [0] especificara la primera columna como la que se debe mirar y axis=0 para especificar las filas filtrantes. Lo que obtengo es esto:

 0 1
0 Hello World

Yo estaba esperando

 0 1
0 Hello World
1 Just Wanted

Pregunta

• ¿Qué me hubiera dado lo que esperaba?

Answer 1

Esto debería funcionar:

df[df[0].str.contains(''(Hel|Just)'', regex=True)]

Answer 2

Por los documentos ,

Los argumentos son mutuamente excluyentes, pero esto no se verifica

Entonces, parece que el primer argumento opcional, items=[0] triunfa sobre el tercer argumento opcional, regex=r''(Hel|Just)'' .

In [194]: df.filter([0], regex=r''(Hel|Just)'', axis=0)
Out[194]:
0 1
0 Hello World

es equivalente a

In [201]: df.filter([0], axis=0)
Out[201]:
0 1
0 Hello World

que simplemente selecciona la (s) fila (s) con valores de índice en [0] largo del eje 0.

Para obtener el resultado deseado, puede usar str.contains para crear una máscara booleana y usar df.loc para seleccionar filas:

In [210]: df.loc[df.iloc[:,0].str.contains(r''(Hel|Just)'')]
Out[210]:
0 1
0 Hello World
1 Just Wanted