### 如何用Python提取包含特定值的行 在 Python 中，可以利用 Pandas 库来高效处理表格型数据并筛选出符合条件的行。以下是实现这一功能的具体方法： #### 使用 `pandas.DataFrame` 的 `.str.contains()` 方法 Pandas 提供了一个非常方便的方法 `.str.contains()` 来查找某列中包含特定字符串的行。此方法支持正则表达式匹配。 ```python import pandas as pd # 创建示例 DataFrame data = {'Name': ['John Doe', 'Jane Smith', 'Mr. Brown', 'Mrs. Green'], 'Age': [28, 34, 56, 47]} df = pd.DataFrame(data) # 查找 Name 列中包含 "Mr." 的行 bool_mask = df['Name'].str.contains('Mr\.', na=False) # 正则表达式需转义特殊字符[^3] filtered_df = df[bool_mask] print(filtered_df) ``` 上述代码会返回如下结果： ``` Name Age 2 Mr. Brown 56 ``` #### 使用布尔索引来筛选条件 除了 `.str.contains()` 外，还可以通过创建布尔掩码 (Boolean Mask) 并应用到整个 DataFrame 上完成筛选操作。 ```python mask = df['Name'].apply(lambda x: 'Mr.' in x if isinstance(x, str) else False) # 非字符串类型的单元格会被忽略[^1] result = df[mask] print(result) ``` 这段代码同样能够找到所有名字字段里含有 “Mr.” 字样的记录。 #### 结合 SQL 查询风格进行筛选 对于熟悉SQL语法的人来说，也可以借助 `pandas.query()` 或者直接模拟SQL语句的方式来达到目的: ```sql SELECT * FROM table WHERE column_name LIKE '%specific_string%'; ``` 转换成 Pandas 表达形式即为： ```python query_result = df[df['column_name'].str.contains('specific_string', case=True)] ``` 或者更简洁地使用 query API : ```python res = df.query("`column_name`.str.contains('specific_string')") ``` 注意这里反引号 `` 是必需的因为我们要告诉 Query 解析器将其视为属性而不是变量名[^2]。 --- ### JSON 数据中的特定值提取 如果目标是从嵌套结构如 JSON 文件中获取满足一定条件的数据项，则可采用递归遍历字典列表的方式或是运用第三方库比如 jq 工具辅助解析复杂对象树形图；当然最常用还是基于标准库 json 模块配合简单的逻辑判断即可解决问题。 假设我们有这样一个 JSON 对象： ```json [ {"_type": "entity", "name": "Apple Inc.", "typeGroup": "entities"}, {"_type": "event", "name": "Launch Event", "typeGroup": "events"} ] ``` 要从中选出 `"typeGroup"` 值等于 `"entities"` 的条目及其对应 `_type` 和 `name` 属性，可以用下面这种方法实现： ```python import json def filter_json(json_data): filtered_items = [] for item in json_data: if item.get("typeGroup") == "entities": filtered_item = {key:item[key] for key in ["_type","name"] if key in item} filtered_items.append(filtered_item) return filtered_items with open('file.json') as f: data = json.load(f) output = filter_json(data) print(output) ``` 这将输出只含所需键值对的新数组。 ---