如何在Pandas DataFrame中使用str.contains获取匹配子串值

要实现未知目标列的情况下，用正则匹配（忽略大小写）提取所有匹配值并转为单个Series，可以按以下方式处理：

问题分析 #

原代码使用df.where(mask)会保留DataFrame的原有结构，仅在匹配位置保留值，其余填充NaN，无法直接得到所有匹配值的一维Series。我们需要遍历所有列，筛选出每个列中符合条件的元素，再合并成目标格式。

解决方案代码 #

方法一：遍历列筛选匹配项

import pandas as pd
import re

df = pd.DataFrame({"Name": ['Philip', 'Jana', 'Kate', 'John K.', 'Jonhatan'],
                   "City": ['NewYork', 'New jearsey', 'Mexico City', 'Lisbon', 'Bahia'],
                   "Language": ['English', 'english', 'Spanish, Dutch, German', 'Spanish and English', 'Portuguese, English'],
                    "Years": [24, 27, 29, 40, 61] })

search = 'english'
matches = []

# 遍历所有列，提取匹配元素
for col in df.columns:
    # 将列转为字符串类型，避免数值列报错，同时做不区分大小写的正则匹配
    matched_vals = df[col].astype(str)[df[col].astype(str).str.contains(search, flags=re.I)]
    matches.extend(matched_vals.tolist())

# 转换为目标格式的Series
result_series = pd.Series(matches)
print(result_series)

方法二：列表推导式简化写法

import pandas as pd
import re

df = pd.DataFrame({"Name": ['Philip', 'Jana', 'Kate', 'John K.', 'Jonhatan'],
                   "City": ['NewYork', 'New jearsey', 'Mexico City', 'Lisbon', 'Bahia'],
                   "Language": ['English', 'english', 'Spanish, Dutch, German', 'Spanish and English', 'Portuguese, English'],
                    "Years": [24, 27, 29, 40, 61] })

search = 'english'
# 嵌套推导式遍历所有列和元素，筛选匹配项
matches = [val for col in df.columns for val in df[col].astype(str) if re.search(search, val, flags=re.I)]
result_series = pd.Series(matches)
print(result_series)

代码说明 #

• 两种方法都会遍历DataFrame的所有列，将列元素转为字符串类型（兼容数值列），通过str.contains或re.search实现不区分大小写的正则匹配（flags=re.I）。
• 收集所有匹配的元素后，转为pd.Series即可得到期望的结果：

  0                  English
  1                  english
  2    Spanish and English
  3     Portuguese, English
  dtype: object
  

内容的提问来源于stack exchange，提问作者matt.aurelio