Pandas的str.contains()无论regex参数如何都返回错误结果如何解决

问题原因分析 #

• 第一次全返回True：str.contains默认开启正则匹配，$是正则里的行尾锚定符，匹配任何字符串的末尾，因此所有非空条目都会返回True。
• 第二次设置regex=False后全返回False，核心原因是待搜索的$符号和你传入的搜索字符不匹配，常见场景包括：
  • 字符串中存储的是全角美元符号＄（Unicode编码\uff04），你传入搜索的是半角$（ASCII编码\x24）
  • 字符串中$前后存在零宽空格、非打印字符，或者你本地输入搜索字符串时误带了不可见字符
  • 部分条目为NaN空值，str.contains默认对空值返回NaN而非布尔值，干扰筛选判断

解决方案 #

第一步：先确认字符编码 #

取你确认包含$的条目，打印原始编码确认$的类型：

# 取第一个元素打印编码，替换索引为你确定含$的行号即可
print(valid_usa_gross.iloc[0].encode('unicode_escape'))

如果输出中对应$的部分是\\uff04，说明是全角符号，搜索时要对应传入全角＄；如果是\\x24就是正常半角$。

第二步：使用正确的匹配写法 #

如果是半角$，优先用正则转义写法匹配，同时设置空值默认返回False：

valid_usa_gross_USD = valid_usa_gross.str.contains(r'\$', na=False)

如果是全角$，修改匹配字符串即可：

valid_usa_gross_USD = valid_usa_gross.str.contains(r'＄', na=False)

第三步：（可选）先清洗字符串再匹配 #

如果存在多余空白、不可见字符干扰，先做清洗再匹配：

# 先去除首尾空白、再匹配
valid_usa_gross_USD = valid_usa_gross.str.strip().str.contains(r'\$', na=False)

筛选符合条件的条目直接用布尔索引即可：

only_usd = valid_usa_gross[valid_usa_gross_USD]

内容的提问来源于stack exchange，提问作者Nicola