python - containing - str contains multiple strings

Inversión de string.contains En python, pandas

Question

Tengo algo como esto en mi código:

df2 = df[df[''A''].str.contains("Hello|World")]

Sin embargo, quiero todas las filas que no contengan ni Hello ni World. ¿Cómo puedo invertir esto más eficientemente?

Answer 1

El método .contains() usa expresiones regulares, por lo que puede usar una prueba negativa de búsqueda anticipada para determinar que una palabra no está contenida:

df[''A''].str.contains(r''^(?:(?!Hello|World).)*$'')

Esta expresión coincide con cualquier cadena donde las palabras Hello y World no se encuentran en ninguna parte de la cadena.

Manifestación:

>>> df = pd.DataFrame({"A": ["Hello", "this", "World", "apple"]})
>>> df[''A''].str.contains(r''^(?:(?!Hello|World).)*$'')
0 False
1 True
2 False
3 True
Name: A, dtype: bool
>>> df[df[''A''].str.contains(r''^(?:(?!Hello|World).)*$'')]
A
1 this
3 apple

Answer 2

Puedes usar la tilde ~ para voltear los valores de bool:

>>> df = pd.DataFrame({"A": ["Hello", "this", "World", "apple"]})
>>> df.A.str.contains("Hello|World")
0 True
1 False
2 True
3 False
Name: A, dtype: bool
>>> ~df.A.str.contains("Hello|World")
0 False
1 True
2 False
3 True
Name: A, dtype: bool
>>> df[~df.A.str.contains("Hello|World")]
A
1 this
3 apple
[2 rows x 1 columns]

Si esta es la forma más eficiente, no lo sé; tendrías que sincronizarlo con tus otras opciones. A veces, usar una expresión regular es más lento que cosas como df[~(df.A.str.contains("Hello") | (df.A.str.contains("World")))] , pero soy malo en adivinando dónde están los cruces.