Recherche stricte d'un mot clé (pattern) dans un data frame PANDAS

Bonjour à tous,

Je travaille depuis quelques jours sur un data frame pandas contenant 13 colonnes et 500 lignes.
Je souhaiterai extraire les lignes contenant un mot-clé et que cette extraction soit stricte, càd:
si mon mot-clé est par exemple UBER, je souhaiterai qu'il ne m'extrait pas en même temps AUBER ou UBER492 ou d'autres lignes contenant ces derniers mots.
J'ai utilisé un masque tel que:
mask=np.column_stack([df[col].astype(str).str.contains(pattern) for col in df])

et, évidemment le mot UBER étant inclus dans AUBER ou UBER492, il extrait ces lignes également.
Comment faire pour préciser que je souhaite une extraction STRICTE des lignes contenant le pattern désigné et seulement ces lignes ?

J'ai cherché partout dans la doc de pandas et je ne trouve pas .
Quelqu'un a-t-il une idée ?
Merci beaucoup d'avance

Salut,

Citation:

---

Envoyé par zigroful

J'ai cherché partout dans la doc de pandas et je ne trouve pas .
Quelqu'un a-t-il une idée ?

---

A côté de str.contains, la documentation mentionne aussi str.match, str.fullmatch,...
Et la documentation de contains suggère d'aller voir aussi match.

- W

La publication est ancienne, mais ça pourait être utile à d'autres personnes.
Pour effectuer une extraction stricte des lignes contenant le mot-clé dans un dataframe Pandas, vous pouvez utiliser la méthode str.match() avec un motif de regex qui indique que le mot-clé doit être seul dans la chaîne de caractères. Par exemple, si votre mot-clé est "UBER", vous pouvez utiliser le motif suivant pour ne sélectionner que les lignes qui contiennent exactement "UBER" :

Code:

---

1 2 3

pattern = r"\bUBER\b" mask = df.astype(str).apply(lambda x: x.str.match(pattern)) strict_df = df[mask]

---

Le motif \bUBER\b indique que "UBER" doit être précédé et suivi par un début ou une fin de chaîne de caractères, ce qui empêche les lignes contenant "AUBER" ou "UBER492" d'être incluses dans le résultat.

Il est également possible de remplacer apply() par applymap() pour s'assurer que la fonction de filtrage est appliquée à chaque élément de la colonne, plutôt qu'à chaque colonne en entier :

Code:

---

1 2	mask = df.astype(str).applymap(lambda x: bool(re.match(pattern, x))) strict_df = df[mask]

---

Ceci devrait vous permettre d'obtenir un dataframe qui ne contient que les lignes strictement correspondant à votre mot-clé.