<\/p>\n
Voc\u00ea pode usar os seguintes m\u00e9todos para usar LIKE<\/strong> (semelhante ao SQL) em uma fun\u00e7\u00e3o pandas query()<\/strong> para encontrar linhas contendo um padr\u00e3o espec\u00edfico:<\/span><\/p>\n M\u00e9todo 1: Encontre linhas contendo um padr\u00e3o<\/strong><\/span><\/p>\n M\u00e9todo 2: Encontre linhas contendo um dos v\u00e1rios padr\u00f5es<\/strong><\/span><\/p>\n Os exemplos a seguir mostram como usar cada m\u00e9todo na pr\u00e1tica com o seguinte DataFrame do pandas:<\/span><\/p>\n O c\u00f3digo a seguir mostra como usar a fun\u00e7\u00e3o query()<\/strong> para encontrar todas as linhas no DataFrame que cont\u00eam \u201cavs\u201d na coluna team<\/strong> :<\/span><\/p>\n Cada linha retornada cont\u00e9m “avs” em algum lugar da coluna da equipe<\/strong> .<\/span><\/p>\n Observe tamb\u00e9m que esta sintaxe diferencia mai\u00fasculas de min\u00fasculas.<\/span><\/p>\n Portanto, se us\u00e1ssemos “AVS”, n\u00e3o receber\u00edamos nenhum resultado porque n\u00e3o h\u00e1 linhas com “AVS” mai\u00fasculo na coluna da equipe<\/strong> .<\/span><\/p>\n O c\u00f3digo a seguir mostra como usar a fun\u00e7\u00e3o query()<\/strong> para encontrar todas as linhas no DataFrame que cont\u00eam \u201cavs\u201d ou \u201ceat\u201d na coluna team<\/strong> :<\/span><\/p>\n Cada linha retornada cont\u00e9m “avs” ou “eat” em algum lugar da coluna da equipe<\/strong> .<\/span><\/p>\n Nota<\/strong> : O |<\/strong> O operador significa \u201cou\u201d em pandas. Sinta-se \u00e0 vontade para usar quantos quiser para pesquisar ainda mais designs de canais.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em pandas:<\/span><\/p>\n Pandas: como filtrar linhas com base no comprimento da string<\/a> Voc\u00ea pode usar os seguintes m\u00e9todos para usar LIKE (semelhante ao SQL) em uma fun\u00e7\u00e3o pandas query() para encontrar linhas contendo um padr\u00e3o espec\u00edfico: M\u00e9todo 1: Encontre linhas contendo um padr\u00e3o df. query (‘ my_column.str.contains(“pattern1”) ‘) M\u00e9todo 2: Encontre linhas contendo um dos v\u00e1rios padr\u00f5es df. query (‘ my_column.str.contains(“pattern1|pattern2”) ‘) Os exemplos a seguir mostram […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3581","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n df. query<\/span> (' my_column.str.contains(\"pattern1\")<\/span> ')\n<\/strong><\/pre>\n df. query<\/span> (' my_column.str.contains(\"pattern1|pattern2\")<\/span> ')<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['Cavs', 'Heat', 'Mavs', 'Mavs', 'Nets',\n 'Heat', 'Cavs', 'Jazz', 'Jazz', 'Hawks'],\n ' points<\/span> ': [3, 3, 4, 5, 4, 7, 8, 7, 12, 14],\n ' rebounds<\/span> ': [15, 14, 14, 10, 8, 14, 13, 9, 5, 4]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points rebounds\n0 Cavs 3 15\n1 Heat 3 14\n2 Mavs 4 14\n3 Mavs 5 10\n4 Nets 4 8\n5 Heat 7 14\n6 Cavs 8 13\n7 Jazz 7 9\n8 Jazz 12 5\n9 Hawks 14 4\n<\/strong><\/pre>\n Exemplo 1: Encontre linhas contendo um padr\u00e3o<\/strong><\/span><\/h2>\n
df. query<\/span> (' team.str.contains(\"avs\")<\/span> ')\n\n team points rebounds\n0 Cavs 3 15\n2 Mavs 4 14\n3 Mavs 5 10\n6 Cavs 8 13\n<\/strong><\/pre>\n Exemplo 2: Encontre linhas contendo um de v\u00e1rios padr\u00f5es<\/strong><\/span><\/h2>\n
df. query<\/span> (' team.str.contains(\"avs|eat\")<\/span> ')\n\n team points rebounds\n0 Cavs 3 15\n1 Heat 3 14\n2 Mavs 4 14\n3 Mavs 5 10\n5 Heat 7 14\n6 Cavs 8 13\n<\/strong><\/pre>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Pandas: como excluir linhas com base na condi\u00e7\u00e3o<\/a>
Pandas: como usar o filtro \u201cNO IN\u201d<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"