如何在Pandas中按指定字符串的精确组合提取DataFrame行

要精确筛选出sig列仅包含指定字符串（此处为301、302、303）的行，不管字符串的组合顺序，同时排除包含其他额外字符串的行，可按以下步骤实现：

1. 定义允许的字符串集合：

   allowed_sigs = {'301', '302', '303'}
   

2. 生成筛选掩码：
   对sig列的每个值按空格分割，将分割后的字符串转为集合，判断该集合是否是允许集合的子集（即所有元素都属于允许列表，无额外字符串）：

   mask = df['sig'].str.split().apply(lambda x: set(x).issubset(allowed_sigs))
   

3. 筛选DataFrame：
   用掩码过滤出符合条件的行：

   result = df[mask]
   

完整代码示例 #

import pandas as pd

df = pd.DataFrame()
df['sig'] = ['301','302','303','405','405 409','302 301','303 301','405','560','309','301 302 303','303 304','305','305 304 303 302 301', '555','565','301 302 303 304']
df['val'] = [45,25,1,54,12,51,52,1,4,152,786,145,1,555,7595,77,89]

allowed_sigs = {'301', '302', '303'}
mask = df['sig'].str.split().apply(lambda x: set(x).issubset(allowed_sigs))
result = df[mask]

print(result)

输出结果 #

sig  val
0          301   45
1          302   25
2          303    1
5      302 301   51
6      303 301   52
10 301 302 303  786

说明 #

• 避免使用str.contains这类模糊匹配方法，这类方法会误选包含目标字符串但同时带有其他额外字符串的行（比如301 302 303 304）。
• 利用集合的issubset方法可以严格确保每行sig的所有元素都属于允许的集合，完全符合精确组合需求。

内容的提问来源于stack exchange，提问作者Sushil Kokil