Pandas如何筛选含指定词汇的DataFrame行及报错处理

str.extract()的作用是从字符串中提取匹配正则规则的子串并返回新的DataFrame/Series，要求传入的正则必须包含至少1个捕获组（即圆括号包裹的匹配片段），你传入的正则没有捕获组，同时这个方法本身也不适合用来做行筛选的布尔判断，属于方法选型错误。

你用的Netflix公开数据集中genres字段是以字符串格式存储的列表值，例如['comedy', 'romance']，要做包含判断不需要用extract，用对应方法直接做布尔筛选即可。

快速筛选（无需转换字段格式） #

直接通过字符串包含匹配筛选，注意加na=False跳过genres为空的记录，避免空值导致的判断异常：

• 筛选所有包含comedy类型的记录：

df_comedy = df[df['genres'].str.contains("'comedy'", na=False)]

• 筛选同时包含comedy和fantasy两种类型的记录：

df_comedy_fantasy = df[
    df['genres'].str.contains("'comedy'", na=False)
    & df['genres'].str.contains("'fantasy'", na=False)
]

严谨筛选（推荐频繁按类型筛选时使用） #

字符串子串匹配存在极小概率误判可能（如果存在名称包含comedy的其他分类标签），可以先把字符串格式的genres转为真正的Python列表，再做成员判断：

import ast
# 转换字段格式：字符串列表转真实列表
df['genres'] = df['genres'].apply(
    lambda x: ast.literal_eval(x) if pd.notna(x) else []
)

# 筛选含comedy的记录
df_comedy = df[df['genres'].apply(lambda x: 'comedy' in x)]
# 筛选同时含comedy和fantasy的记录
df_comedy_fantasy = df[df['genres'].apply(
    lambda x: 'comedy' in x and 'fantasy' in x
)]

内容的提问来源于stack exchange，提问作者Ibad Ullah