dask.dataframe.Series.str.contains
dask.dataframe.Series.str.contains¶
- dataframe.Series.str.contains(pat, case: bool = True, flags: int = 0, na=None, regex: bool = True)¶
测试模式或正则表达式是否包含在 Series 或 Index 的字符串中。
此文档字符串是从 pandas.core.strings.accessor.StringMethods.contains 复制而来的。
Dask 版本可能存在一些不一致性。
返回布尔型 Series 或 Index，基于给定的模式或正则表达式是否包含在 Series 或 Index 的字符串中。
- 参数
- patstr
字符序列或正则表达式。
- 案例bool, 默认 True
如果为真，区分大小写。
- 标志int, 默认值为 0 (无标志)
传递给 re 模块的标志，例如 re.IGNORECASE。
- na标量，可选
填充缺失值的填充值。默认值取决于数组的 dtype。对于 object-dtype，使用
numpy.nan。对于StringDtype，使用pandas.NA。- 正则表达式bool, 默认 True
如果为真，则假设路径是正则表达式。
如果为 False，则将 pat 视为字面字符串。
- 返回
- 布尔值的序列或索引
一个布尔值的序列或索引，指示给定的模式是否包含在序列或索引的每个元素的字符串中。
参见
match类似的，但更严格，依赖于 re.match 而不是 re.search。
Series.str.startswith测试每个字符串元素的开头是否匹配某个模式。
Series.str.endswith与 startswith 相同，但测试字符串的结尾。
示例
仅使用字面模式返回一系列布尔值。
>>> s1 = pd.Series(['Mouse', 'dog', 'house and parrot', '23', np.nan]) >>> s1.str.contains('og', regex=False) 0 False 1 True 2 False 3 False 4 NaN dtype: object
仅使用字面模式返回布尔值索引。
>>> ind = pd.Index(['Mouse', 'dog', 'house and parrot', '23.0', np.nan]) >>> ind.str.contains('23', regex=False) Index([False, False, False, True, nan], dtype='object')
使用 case 指定区分大小写。
>>> s1.str.contains('oG', case=True, regex=True) 0 False 1 False 2 False 3 False 4 NaN dtype: object
指定 na 为 False 而不是 NaN 会将 NaN 值替换为 False。如果 Series 或 Index 不包含 NaN 值，结果的 dtype 将是 bool，否则将是 object dtype。
>>> s1.str.contains('og', na=False, regex=True) 0 False 1 True 2 False 3 False 4 False dtype: bool
当字符串中出现任意表达式时，返回 ‘house’ 或 ‘dog’。
>>> s1.str.contains('house|dog', regex=True) 0 False 1 True 2 True 3 False 4 NaN dtype: object
使用 flags 在正则表达式中忽略大小写敏感性。
>>> import re >>> s1.str.contains('PARROT', flags=re.IGNORECASE, regex=True) 0 False 1 False 2 True 3 False 4 NaN dtype: object
使用正则表达式返回任意数字。
>>> s1.str.contains('\\d', regex=True) 0 False 1 False 2 False 3 True 4 NaN dtype: object
当 regex 设置为 True 时，确保 pat 不是一个字面模式。注意在下面的例子中，人们可能期望只有 s2[1] 和 s2[3] 返回 True。然而，’.0’ 作为正则表达式匹配任何字符后跟一个 0。
>>> s2 = pd.Series(['40', '40.0', '41', '41.0', '35']) >>> s2.str.contains('.0', regex=True) 0 True 1 True 2 False 3 True 4 False dtype: bool