正規表現でパンダの行をフィルタリングする方法

列の1つで正規表現を使用してデータフレームをきれいにフィルタリングしたいと思います。

不自然な例：

In [210]: foo = pd.DataFrame({'a' : [1,2,3,4], 'b' : ['hi', 'foo', 'fat', 'cat']})
In [211]: foo
Out[211]: 
   a    b
0  1   hi
1  2  foo
2  3  fat
3  4  cat

行をフィルタリングしfて、正規表現を使用して始まる行に絞り込みます。最初に行く：

In [213]: foo.b.str.match('f.*')
Out[213]: 
0    []
1    ()
2    ()
3    []

それはそれほど有用ではありません。しかし、これは私のブールインデックスを取得します：

In [226]: foo.b.str.match('(f.*)').str.len() > 0
Out[226]: 
0    False
1     True
2     True
3    False
Name: b

だから私はそれから私の制限をすることができました：

In [229]: foo[foo.b.str.match('(f.*)').str.len() > 0]
Out[229]: 
   a    b
1  2  foo
2  3  fat

それは私が人工的にグループを正規表現に入れるようにします、そしておそらく行くのにきれいな方法ではないようです。これを行うより良い方法はありますか？

使用が含ま代わりに：

In [10]: df.b.str.contains('^f')
Out[10]: 
0    False
1     True
2     True
3    False
Name: b, dtype: bool

すでに文字列処理関数がありますSeries.str.startswith()。試してみてくださいfoo[foo.b.str.startswith('f')]。

結果：

    a   b
1   2   foo
2   3   fat

私はあなたが期待することを考えます。

または、contains with regexオプションを使用できます。例えば：

foo[foo.b.str.contains('oo', regex= True, na=False)]

結果：

    a   b
1   2   foo

na=False nan、nullなどの値が存在する場合にエラーを防止することです

データフレームを使用した複数列の検索：

frame[frame.filename.str.match('*.'+MetaData+'.*') & frame.file_path.str.match('C:\test\test.txt')]

これは少し遅れるかもしれませんが、パンダで行う方が簡単になりました。as_indexer=Trueブール結果を取得するには、match with を呼び出すことができます。これは（matchおよびの違いとともにcontains）ここに記載されています。

すばらしい回答@ user3136169に感謝します。NoneType値を削除する方法の例を次に示します。

def regex_filter(val):
    if val:
        mo = re.search(regex,val)
        if mo:
            return True
        else:
            return False
    else:
        return False

df_filtered = df[df['col'].apply(regex_filter)]

また、引数として正規表現を追加することもできます。

def regex_filter(val,myregex):
    ...

df_filtered = df[df['col'].apply(res_regex_filter,regex=myregex)]

正規表現をチェックし、列に適用を使用するブール関数を記述します

foo[foo['b'].apply(regex_function)]

str スライスを使用する

foo[foo.b.str[0]=='f']
Out[18]: 
   a    b
1  2  foo
2  3  fat