Bỏ qua đến nội dung chính
Mục lục

str.contains() trong pandas: lọc dòng theo chuỗi

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 7/16 · Chương 4

Chọn, lọc và sắp xếp

  • 5 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

str.contains() trong pandas lọc dòng theo chuỗi: nó hỏi mỗi ô của một cột chữ "có chứa từ khóa này không" và cho ra một boolean mask. Cùng họ với nó là str.startswith() và str.endswith(), kiểm tra đầu và cuối chuỗi, hợp khi tìm sản phẩm theo tên, theo vùng hay theo quy cách đóng gói.

Cần biết trước: lọc dữ liệu trong pandas và phương thức chuỗi.

str.contains(): tìm từ khóa trong chuỗi

Phép == của bài lọc dữ liệu và isin() chỉ khớp nguyên chuỗi. Muốn tìm mọi sản phẩm có chữ "Trà" ở đâu đó trong tên, bạn gọi phương thức chuỗi qua .str của cột. .str là cánh cửa dẫn tới các phương thức chuỗi của Python, áp lên từng ô; bài phương thức .str đi qua cả họ này.

python
import pandas as pd

sp = pd.read_csv("san_pham.csv")
mask = sp["ten_sp"].str.contains("Trà")
print(mask.sum())
print(sp.loc[mask, ["ten_sp", "gia_ban"]].head(3))

KẾT QUẢ

5
                     ten_sp  gia_ban
4      Trà Thái Nguyên 200g   120000
5  Trà ô long Lâm Đồng 250g   210000
6       Trà sen Tây Hồ 100g   250000

Kết quả là mask cùng độ dài với bảng, dùng như mọi mask khác: đặt vào ngoặc vuông hay vế dòng của loc. So khớp mặc định phân biệt chữ hoa thường, nên "trà" viết thường không khớp "Trà". Đổi "Trà" thành "500g" rồi chạy lại: dòng đầu in 4.

Không phân biệt hoa thường với case=False

Tên sản phẩm có lúc viết "Hộp" ở đầu, có lúc "hộp" ở giữa. Người dùng gõ ô tìm kiếm cũng không để ý chữ hoa. Tham số case=False bỏ qua khác biệt đó:

python
import pandas as pd

sp = pd.read_csv("san_pham.csv")
print(sp["ten_sp"].str.contains("hộp").sum())
hop = sp["ten_sp"].str.contains("hộp", case=False)
print(hop.sum())
print(sp.loc[hop, "ten_sp"].head(4).to_list())

KẾT QUẢ

6
7
['Cà phê phin giấy hộp 10 gói', 'Cà phê hòa tan 3in1 hộp 20 gói', 'Bánh cốm hộp 6 cái', 'Hộp thủy tinh đựng thực phẩm bộ 3']

Có case=False, sản phẩm "Hộp thủy tinh…" được tính thêm. Chữ có dấu tiếng Việt vẫn so đúng: "Hộp" và "hộp" chỉ khác chữ hoa, cùng dấu.

startswith() và endswith(): đầu và cuối chuỗi

Đôi khi vị trí của từ khóa có nghĩa. Tên bắt đầu bằng "Bánh" là các loại bánh; tên kết thúc bằng "1kg" là gói lớn. str.startswith() và str.endswith() chỉ nhìn đầu hay cuối chuỗi:

python
import pandas as pd

sp = pd.read_csv("san_pham.csv")
banh = sp["ten_sp"].str.startswith("Bánh")
print(sp.loc[banh, "ten_sp"].to_list())
goi_lon = sp["ten_sp"].str.endswith(("500g", "1kg"))
print(goi_lon.sum())

KẾT QUẢ

['Bánh pía Sóc Trăng 4 cái', 'Bánh tráng phơi sương 500g', 'Bánh cốm hộp 6 cái']
5

contains("Bánh") sẽ bắt cả tên có chữ "bánh" ở giữa. endswith() nhận một tuple để hỏi nhiều đuôi cùng lúc, như str.endswith() của Python. Hai phương thức này phân biệt hoa thường và không có case=False.

Ô trống và na=False

Cột chữ đọc từ file trong pandas 3 cho False ở ô trống, nên lọc vẫn chạy. Nhưng cột kiểu object, như khi cột trộn chữ với giá trị khác hay được dựng bằng code cũ, cho ra ô trống trong chính mask:

Kiểm tra nhanh

  1. Sau import pandas as pd và s = pd.Series(["Trà sen", "trà xanh", "Cà phê"]), print(s.str.contains("Trà").sum()) in ra gì?

    • 1
    • 2
    • 3
  2. Sau import pandas as pd và s = pd.Series(["Trà sen", "trà xanh", "Cà phê"]), print(s.str.contains("trà", case=False).sum()) in ra gì?

    • 1
    • 2
    • 0
  3. Sau import pandas as pd và s = pd.Series(["Bánh pía", "Kẹo bánh", "Bánh cốm"]), print(s.str.startswith("Bánh").sum()) in ra gì?

    • 3
    • 2
    • 1
  4. Sau import pandas as pd và b = pd.DataFrame({"t": pd.Series(["Kẹo", None], dtype=object)}), b[b["t"].str.contains("Kẹo")] báo lỗi gì?

    • Báo lỗi TypeError
    • Báo lỗi ValueError
    • Báo lỗi KeyError
Đúng hết lần đầu +15 XP

Bài tập

Lọc sản phẩm theo quy cách đóng gói

Bộ phận kho muốn danh sách hàng theo quy cách: tên sản phẩm kết thúc bằng khối lượng gói, như "Kẹo dừa 500g". Viết thân hàm loc_quy_cach(bang, cac_duoi, bo_tu): trả về các dòng của bang có cột ten_sp kết thúc bằng một trong các đuôi của list cac_duoi (như ["500g", "1kg"], đúng từng chữ), và không chứa bo_tu ở bất kỳ vị trí nào.

  • bo_tu được hiểu đúng mặt chữ, kể cả ký tự như +, và không phân biệt chữ hoa, chữ thường.

  • Ô ten_sp trống không được giữ; cột có thể là kiểu object.

Bảng kết quả giữ mọi cột và index. Hàm không sửa bảng bang của nơi gọi.

Trả về: các dòng khớp, một DataFrame.

python
import pandas as pd

def loc_quy_cach(bang, cac_duoi, bo_tu):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • s.str.contains("tu") cho mask True ở ô chứa từ khóa ở bất kỳ vị trí nào; mặc định phân biệt hoa thường.

  • case=False bỏ qua khác biệt chữ hoa, chữ thường.

  • regex=False tìm đúng mặt chữ, cần khi từ khóa có ký tự như +, ., (.

  • s.str.startswith() và s.str.endswith() chỉ xét đầu và cuối chuỗi, nhận được một tuple nhiều chuỗi.

  • na=False coi ô trống là không khớp, tránh ValueError khi lọc cột kiểu object.

Câu hỏi thường gặp

Làm sao tìm dòng chứa một trong nhiều từ khóa trong pandas?

Ghép từ khóa bằng dấu | trong mẫu: sp["ten_sp"].str.contains("Trà|Cà phê"), vì ở chế độ mẫu | nghĩa là "hoặc". Với nhiều giá trị nguyên chuỗi, isin() gọn hơn.

Lọc các dòng không chứa từ khóa thì sao?

Đặt ~ trước mask: sp[~sp["ten_sp"].str.contains("Trà", na=False)], như cách đảo mask ở bài lọc dữ liệu.

str.contains() có dùng được trong query() không?

Được, viết sp.query("ten_sp.str.contains('Trà')", engine="python"). Cách này dài hơn, nên với điều kiện chuỗi, ngoặc vuông thường dễ đọc hơn. Xem thêm ở bài query().

Chủ đề

pandas str contains

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập