Pandas : rechercher une chaîne dans toutes les colonnes de DataFrame



Vous pouvez utiliser la syntaxe suivante pour rechercher une chaîne particulière dans chaque colonne d’un DataFrame pandas et filtrer les lignes contenant la chaîne dans au moins une colonne :

#define filter
mask = np.column_stack([df[col].str.contains(r"my_string", na=False) for col in df])

#filter for rows where any column contains 'my_string'
df.loc[mask.any(axis=1)]

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : rechercher une chaîne dans toutes les colonnes de Pandas DataFrame

Supposons que nous ayons le DataFrame pandas suivant qui contient des informations sur le premier rôle et le deuxième rôle de divers joueurs de basket-ball dans une équipe :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'player': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   'first_role': ['P Guard', 'P Guard', 'S Guard', 'S Forward',
                                  'P Forward', 'Center', 'Center', 'Center'],
                   'second_role': ['S Guard', 'S Guard', 'Forward', 'S Guard',
                                   'S Guard', 'S Forward', 'P Forward', 'P Forward']})

#view DataFrame
print(df)

  player first_role second_role
0      A    P Guard     S Guard
1      B    P Guard     S Guard
2      C    S Guard     Forward
3      D  S Forward     S Guard
4      E  P Forward     S Guard
5      F     Center   S Forward
6      G     Center   P Forward
7      H     Center   P Forward

Le code suivant montre comment filtrer le DataFrame pandas pour les lignes où la chaîne « Guard » apparaît dans n’importe quelle colonne :

import numpy as np

#define filter
mask = np.column_stack([df[col].str.contains(r"Guard", na=False) for col in df])

#filter for rows where any column contains 'Guard'
df.loc[mask.any(axis=1)]

        player	first_role  second_role
0	A	P Guard	    S Guard
1	B	P Guard	    S Guard
2	C	S Guard	    Forward
3	D	S Forward   S Guard
4	E	P Forward   S Guard

Notez que chaque ligne du DataFrame résultant contient la chaîne « Guard » dans au moins une colonne.

Vous pouvez également filtrer les lignes où une chaîne parmi plusieurs apparaît dans au moins une colonne en utilisant l’opérateur « OU » ( | ) dans les pandas.

Par exemple, le code suivant montre comment filtrer les lignes où « P Guard » ou « Center » apparaît dans au moins une colonne :

import numpy as np

#define filter
mask = np.column_stack([df[col].str.contains(r"P Guard|Center", na=False) for col in df])

#filter for rows where any column contains 'P Guard' or 'Center'
df.loc[mask.any(axis=1)]

        player	first_role  second_role
0	A	P Guard	    S Guard
1	B	P Guard	    S Guard
5	F	Center	    S Forward
6	G	Center	    P Forward
7	H	Center	    P Forward

Notez que chaque ligne du DataFrame résultant contient « P Guard » ou « Center » dans au moins une colonne.

Remarque : Il est important d’inclure l’argument na=False dans la fonction contain() sinon vous rencontrerez une erreur si des valeurs NaN sont présentes dans le DataFrame.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations de filtrage courantes dans les pandas :

Comment filtrer un DataFrame Pandas par valeurs de colonne
Comment filtrer les lignes Pandas DataFrame par date
Comment filtrer un DataFrame Pandas sur plusieurs conditions

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *