Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Pandas : comment vérifier si la colonne contient une chaîne



Vous pouvez utiliser les méthodes suivantes pour vérifier si une colonne d’un DataFrame pandas contient une chaîne :

Méthode 1 : vérifier si la chaîne exacte existe dans la colonne

(df['col'].eq('exact_string')).any()

Méthode 2 : vérifier si une chaîne partielle existe dans la colonne

df['col'].str.contains('partial_string').any()

Méthode 3 : compter les occurrences de chaîne partielle dans la colonne

df['col'].str.contains('partial_string').sum()

Ce tutoriel explique comment utiliser chaque méthode en pratique avec le DataFrame suivant :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'B', 'B', 'C'],
                   'conference': ['East', 'East', 'South', 'West', 'West', 'East'],
                   'points': [11, 8, 10, 6, 6, 5]})

#view DataFrame
df

        team	conference   points
0	A	East         11
1	A	East	     8
2	A	South        10
3	B	West         6
4	B	West         6
5	C	East         5

Exemple 1 : Vérifier si la chaîne exacte existe dans la colonne

Le code suivant montre comment vérifier si la chaîne exacte « Eas » existe dans la colonne conférence du DataFrame :

#check if exact string 'Eas' exists in conference column
(df['conference'].eq('Eas')).any()

False

La sortie renvoie False , ce qui nous indique que la chaîne exacte « Eas » n’existe pas dans la colonne conférence du DataFrame.

Exemple 2 : Vérifier si une chaîne partielle existe dans la colonne

Le code suivant montre comment vérifier si la chaîne partielle « Eas » existe dans la colonne conférence du DataFrame :

#check if partial string 'Eas' exists in conference column
df['conference'].str.contains('Eas').any()

True

La sortie renvoie True , ce qui nous indique que la chaîne partielle « Eas » existe dans la colonne de conférence du DataFrame.

Exemple 3 : compter les occurrences d’une chaîne partielle dans une colonne

Le code suivant montre comment compter le nombre de fois où la chaîne partielle « Eas » apparaît dans la colonne de conférence du DataFrame :

#count occurrences of partial string 'Eas' in conference column
df['conference'].str.contains('East').sum()

3

La sortie renvoie 3 , ce qui nous indique que la chaîne partielle ‘Eas’ apparaît 3 fois dans la colonne conférence du DataFrame.

Ressources additionnelles

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

Comment supprimer des lignes dans Pandas DataFrame en fonction de la condition
Comment filtrer un DataFrame Pandas sur plusieurs conditions
Comment utiliser le filtre « NON IN » dans Pandas DataFrame

Ajouter un commentaire

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