entityMap|blocks|key|4b1lb|text|因为没有列名为col。试试这个：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|dr8ae|df[df.apply(lambda+col:+col.str.contains(p)).any(axis=1)]|code-block|syntax|javascript|ds64m|col现在是lambda的输入参数的名称。|71ee6^0|7|3|0|0|0|3|0^^$0|$]|1|@$2|3|4|5|6|7|8|O|9|@$A|P|B|Q|C|D]]|E|@]|F|$]]|$2|G|4|H|6|I|8|R|9|@]|E|@]|F|$J|K]]|$2|L|4|M|6|7|8|S|9|@$A|T|B|U|C|D]]|E|@]|F|$]]|$2|N|4|-4|6|7|8|V|9|@]|E|@]|F|$]]]]

Because there isn't a column name <code>col</code>. Try this:
<pre><code>df[df.apply(lambda col: col.str.contains(p)).any(axis=1)]
</code></pre>
<code>col</code> is now the name of an input parameter to the lambda.

entityMap|blocks|key|c5lr9|text|我这样创建了你的数据帧：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|eqi9o|df+=+pd.DataFrame(+{+0+:+["[OH-]","[Na%2B]","NAN","CCO"+],+1+:++["[OH-]","[Na%2B]","CCO","Cl"]+}+).transpose()|code-block|syntax|javascript|1tfeu|生成此df：|bksro|+++++++0++++++1++++2++++3
0++[OH-]++[Na%2B]++NAN++CCO
1++[OH-]++[Na%2B]++CCO+++Cl|8ef9r|我观察到，您可以在df上使用isin()函数执行OR逻辑：|70fh0|df.isin(['CCO','C1'])|8sl94|收益率：|3cv7p|+++++++0++++++1++++++2++++++3
0++False++False++False+++True
1++False++False+++True++False|f6vm6|因此，您可以在使用以下命令时使用any(1)找出哪些行匹配：|offset|length|style|CODE|9sk5e|df.isin(['CCO','C1']).any(1).index.tolist()|agjkr|abi6d|[0,+1]|hsju|AND逻辑：|6oosb|下面的代码片段分别查找每个术语，并将它们累积到结果数据帧中。在找到匹配的列之后，检查每一行中的匹配数量，以查看它是否与术语的数量相匹配。|7nq20|results+=+pd.DataFrame()
terms+=+[+'Cl',+'[Na%2B]'+]++
for+term+in+terms:
++++++if+results.empty:
++++++++results+=+df.isin(+[+term+]+)+
++++++else:
++++++++results+%7C=+df.isin(+[+term+]+)+

results['count']+=+results.sum(axis=1)
print(+results[+results['count']+==+len(+terms+)++].index.tolist()+)+|2cgno|我知道有一种更好的方法--但这种方法(我认为)行得通|5pkqm|上面的代码为terms+=+[+'Cl',+'[Na%2B]'+]生成[1]，为terms+=+[+"[OH-]","[Na%2B]"+]生成[0,1]。|9ibhm^0|0|0|0|0|0|0|0|0|G|6|0|0|0|0|0|0|0|0|6|P|X|3|12|R|1V|5|0^^$0|$]|1|@$2|3|4|5|6|7|8|1F|9|@]|A|@]|B|$]]|$2|C|4|D|6|E|8|1G|9|@]|A|@]|B|$F|G]]|$2|H|4|I|6|7|8|1H|9|@]|A|@]|B|$]]|$2|J|4|K|6|E|8|1I|9|@]|A|@]|B|$F|G]]|$2|L|4|M|6|7|8|1J|9|@]|A|@]|B|$]]|$2|N|4|O|6|E|8|1K|9|@]|A|@]|B|$F|G]]|$2|P|4|Q|6|7|8|1L|9|@]|A|@]|B|$]]|$2|R|4|S|6|E|8|1M|9|@]|A|@]|B|$F|G]]|$2|T|4|U|6|7|8|1N|9|@$V|1O|W|1P|X|Y]]|A|@]|B|$]]|$2|Z|4|10|6|E|8|1Q|9|@]|A|@]|B|$F|G]]|$2|11|4|Q|6|7|8|1R|9|@]|A|@]|B|$]]|$2|12|4|13|6|E|8|1S|9|@]|A|@]|B|$F|G]]|$2|14|4|15|6|7|8|1T|9|@]|A|@]|B|$]]|$2|16|4|17|6|7|8|1U|9|@]|A|@]|B|$]]|$2|18|4|19|6|E|8|1V|9|@]|A|@]|B|$F|G]]|$2|1A|4|1B|6|7|8|1W|9|@]|A|@]|B|$]]|$2|1C|4|1D|6|7|8|1X|9|@$V|1Y|W|1Z|X|Y]|$V|20|W|21|X|Y]|$V|22|W|23|X|Y]|$V|24|W|25|X|Y]]|A|@]|B|$]]|$2|1E|4|-4|6|7|8|26|9|@]|A|@]|B|$]]]]

I created your dataframe this way:
<pre><code>df = pd.DataFrame( { 0 : [&quot;[OH-]&quot;,&quot;[Na+]&quot;,&quot;NAN&quot;,&quot;CCO&quot; ], 1 : [&quot;[OH-]&quot;,&quot;[Na+]&quot;,&quot;CCO&quot;,&quot;Cl&quot;] } ).transpose()
</code></pre>
Yielding this df:
<pre><code> 0 1 2 3
0 [OH-] [Na+] NAN CCO
1 [OH-] [Na+] CCO Cl
</code></pre>
I observed that you can do your OR logic with the isin() function on the df:
<pre><code>df.isin(['CCO','C1'])
</code></pre>
Yields:
<pre><code> 0 1 2 3
0 False False False True
1 False False True False
</code></pre>
And so you can figure out which rows match using <code>any(1)</code> as you are using:
<pre><code>df.isin(['CCO','C1']).any(1).index.tolist()
</code></pre>
Yields:
<pre><code>[0, 1]
</code></pre>
Logic for AND:
The snippet below looks for each term individually and accumulates them in the results dataframe. After finding matching columns, the number of matches in each row is checked to see if it matches the number of terms.
<pre><code>results = pd.DataFrame()
terms = [ 'Cl', '[Na+]' ] 
for term in terms:
 if results.empty:
 results = df.isin( [ term ] ) 
 else:
 results |= df.isin( [ term ] ) 

results['count'] = results.sum(axis=1)
print( results[ results['count'] == len( terms ) ].index.tolist() ) 
</code></pre>
I know there is a better way - but this way works (I think)
The above code yields <code>[1]</code> for <code>terms = [ 'Cl', '[Na+]' ] </code> and <code>[0,1]</code> for <code>terms = [ &quot;[OH-]&quot;,&quot;[Na+]&quot; ] </code>.

I can do a single word search in each column but unable to search user-provided number of string search with &quot;and&quot; &quot;or&quot; option
<pre><code> 0 1 3 4 
0 [OH-] [Na+] NAN CCO 
 
1 [OH-] [Na+] CCO Cl 
</code></pre>
This one works
<pre><code>search = 'CCO' 
df.loc[df.isin([search]).any(axis=1)].index.tolist()

 
</code></pre>
For multi-search I tried
<pre><code>import re

terms = ['C1', 'CCO']
p = r'\b(?:{})\b'.format('|'.join(map(re.escape, terms)))
df[df['col'].str.contains(p)]
</code></pre>
Gives me <code>KeyError: 'col'</code>
Expected output
<pre><code>Search='C1' AND '[NA+]
</code></pre>
Results <code>1</code>
<pre><code>Search='CCO' OR 'C1'
</code></pre>
Results <code>0 1</code>

Multi String search in Data frame in Multiple column with AND or OR Option

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

 我可以在每一列中进行单个单词搜索，但无法使用"and“"or”选项搜索用户提供的数量的字符串搜索    0     1    3   4     0 [OH-] [Na+] NAN CCO                                               1 [OH-] [Na+] CCO ...

问使用AND或or选项在多列数据框中搜索多个字符串
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用AND或or选项在多列数据框中搜索多个字符串EN