如何在Pandas中使用.loc对多列进行大小写不敏感筛选

需要实现Pandas中大小写不敏感的数据筛选，比如输入'fred'时能匹配到包含'Fred'的记录。现有如下find函数，但无法通过.lower()同时转换输入字符串和待筛选值的大小写：

def find(**kwargs):
    result = data.loc[data.rename(columns={"FirstName": "first",
                             "LastName": "last", 
                             "City": "city",
                             })[list(kwargs.keys())]
                    .eq(list(kwargs.values())).all(axis=1)]
    return result

示例数据 #

期望结果 #

调用find(first='fred')时，返回包含Fred的记录：

FirstName LastName    City
0      Fred      Bob  Austin

解决方案 #

要实现大小写不敏感匹配，核心是同时将待筛选的列值和输入的筛选参数统一转为小写（或大写），再进行相等判断。修改后的find函数如下：

def find(**kwargs):
    # 定义列名映射（原列名 -> 简化名）
    col_mapping = {"FirstName": "first", "LastName": "last", "City": "city"}
    # 反转映射，方便从简化名找到原列名
    reverse_mapping = {v: k for k, v in col_mapping.items()}
    
    # 提取需要筛选的原列名，以及转为小写的筛选值
    target_cols = [reverse_mapping[key] for key in kwargs.keys()]
    lower_values = [val.lower() for val in kwargs.values()]
    
    # 将目标列转为小写后，与筛选值匹配，所有条件满足则保留该行
    match_mask = data[target_cols].apply(lambda col: col.str.lower()).eq(lower_values).all(axis=1)
    
    return data.loc[match_mask]

使用示例 #

import pandas as pd

# 构造示例数据集
data = pd.DataFrame({
    "FirstName": ["Fred", "Billy"],
    "LastName": ["Bob", "Bob"],
    "City": ["Austin", "NYC"]
})

# 调用筛选函数，传入小写参数
result = find(first='fred')
print(result)

输出结果：

FirstName LastName    City
0      Fred      Bob  Austin

内容的提问来源于stack exchange，提问作者Emm