如何在Pandas中筛选匹配字符串片段的行？

嘿，这个坑我之前踩过！你用fund_data.loc[fund_data['SubVertical']=="%Data%"]没效果是因为Pandas不支持SQL里的%通配符写法——这里的%会被当成普通字符，自然匹配不到包含"Data"的行。

要实现包含指定字符串片段的筛选，Pandas有专门的字符串方法可以用，下面是几种实用的实现方式：

1. 基础用法：str.contains() #

这是最常用的方法，直接对目标列调用str.contains()，传入要匹配的字符串即可：

# 筛选SubVertical列中包含"Data"的所有行
filtered_data = fund_data.loc[fund_data['SubVertical'].str.contains('Data')]

针对你给出的示例数据，运行这段代码后会返回行1（A Data Analysis）和行2（B Data Analytics），完全符合预期。

2. 进阶参数优化 #

忽略大小写匹配 #

如果需要不区分大小写（比如同时匹配"data"、"DATA"），可以加上case=False参数：

fund_data.loc[fund_data['SubVertical'].str.contains('data', case=False)]

处理空值（NaN） #

如果你的SubVertical列存在空值（NaN），str.contains()会对这些行返回NaN，导致筛选结果包含无效值。可以用na=False把空值标记为不匹配：

fund_data.loc[fund_data['SubVertical'].str.contains('Data', na=False)]

匹配字面量特殊字符 #

如果要匹配的字符串里有正则特殊字符（比如.、*），可以加上regex=False，让方法按字面量匹配：

# 匹配包含"Data."的行，而不是"Data"加任意字符
fund_data.loc[fund_data['SubVertical'].str.contains('Data.', regex=False)]

为什么原来的写法不行？ #

再啰嗦一句：==是精确匹配，只有当列值和右边的字符串完全一致时才会返回True。你写的"%Data%"是一个完整的字符串，只有当SubVertical列的某个值正好是%Data%时才会被选中，这显然不是你想要的效果。

内容的提问来源于stack exchange，提问作者noswear