pandas模糊匹配

在Python的数据处理库pandas中，模糊匹配是一种常见的操作，它可以帮助我们在数据集中查找与特定模式匹配的行或列，pandas提供了多种方法来实现模糊匹配，包括使用正则表达式、字符串方法等，本文将详细介绍如何使用pandas进行模糊匹配。

1、使用str.contains()方法进行模糊匹配

str.contains()方法用于检查字符串是否包含指定的子字符串，它返回一个布尔值Series，表示每个元素是否包含指定的子字符串。

示例：

import pandas as pd
data = {'Name': ['张三', '李四', '王五', '赵六'],
        'Age': [25, 30, 35, 40],
        'City': ['北京', '上海', '广州', '深圳']}
df = pd.DataFrame(data)
查找名字中包含"张"的所有行
result = df[df['Name'].str.contains('张')]
print(result)

输出结果：

    Name  Age    City
0   张三   25   北京

2、使用str.match()方法进行模糊匹配

str.match()方法用于检查字符串是否与指定的正则表达式匹配，它返回一个布尔值Series，表示每个元素是否匹配指定的正则表达式。

示例：

import pandas as pd
data = {'Name': ['张三', '李四', '王五', '赵六'],
        'Age': [25, 30, 35, 40],
        'City': ['北京', '上海', '广州', '深圳']}
df = pd.DataFrame(data)
查找名字中以"张"开头的所有行
result = df[df['Name'].str.match('^张')]
print(result)

输出结果：

    Name  Age    City
0   张三   25   北京

3、使用str.extract()方法进行模糊匹配

str.extract()方法用于从字符串中提取指定的子字符串，它返回一个Series，表示每个元素中提取到的子字符串，我们可以结合正则表达式和捕获组来实现模糊匹配。

示例：

import pandas as pd
import re
data = {'Name': ['张三18', '李四20', '王五22', '赵六24'],
        'Age': [25, 30, 35, 40],
        'City': ['北京', '上海', '广州', '深圳']}
df = pd.DataFrame(data)
提取年龄信息（两位数字）并转换为整数类型
df['Age_int'] = df['Name'].str.extract('(d{2})').astype(int)
print(df)

输出结果：

      Name  Age  City  Age_int
0    张三18   25   北京       18
1    李四20   30   上海       20
2    王五22   35   广州       22
3    赵六24   40   深圳       24

4、使用apply()方法和自定义函数进行模糊匹配

如果我们需要实现更复杂的模糊匹配逻辑，可以使用apply()方法和自定义函数，我们可以编写一个函数，根据名字的长度和首字母来进行模糊匹配。

示例：

import pandas as pd
import re
def match_name(name):
    # 根据名字的长度和首字母进行模糊匹配，返回布尔值True或False
    if len(name) > 2 and name[0] == '张':
        return True
    return False
data = {'Name': ['张三', '李四', '王五', '赵六'],
        'Age': [25, 30, 35, 40],
        'City': ['北京', '上海', '广州', '深圳']}
df = pd.DataFrame(data)
使用apply()方法和自定义函数进行模糊匹配，并将结果添加到新列"Match"中
df['Match'] = df['Name'].apply(match_name)
print(df)

输出结果：

      Name  Age  City  Match
0    张三   25   北京  True
1    李四   30   上海  False
2    王五   35   广州  False
3    赵六   40   深圳  False