加入Pandas数据框架，通过子串匹配

加入Pandas数据框架并进行子串匹配包括以下几个步骤：

1. 导入Pandas库：在Python中使用Pandas进行数据处理时，需要先导入Pandas库。

import pandas as pd

1. 创建数据框架：将数据读入Pandas数据框架中。可以从CSV或Excel文件中读入或直接手动创建。

# 从CSV文件中读入数据
df = pd.read_csv('data.csv')

# 从Excel文件中读入数据
df = pd.read_excel('data.xlsx')

# 手动创建数据框架
df = pd.DataFrame({'Name':['Alice', 'Bob', 'Charlie'], 
                   'Age':[25, 30, 35], 
                   'Gender':['F', 'M', 'M']})

1. 子串匹配：使用Pandas中的str.contains()函数进行子串匹配，该函数返回一个布尔类型的Series对象。

# 根据Name列的值是否包含'M'，返回匹配结果的布尔类型Series对象
match_result = df['Name'].str.contains('M')

1. 过滤数据：通过将布尔类型的Series对象传递给数据框架的.loc[]函数，可以轻松地过滤出满足条件的数据。

# 过滤出Name列值包含'M'的行
filtered_df = df.loc[match_result, :]

完整代码实例：

import pandas as pd

# 创建数据框架
df = pd.DataFrame({'Name':['Alice', 'Bob', 'Charlie'], 
                   'Age':[25, 30, 35], 
                   'Gender':['F', 'M', 'M']})

# 根据Name列的值是否包含'M'，返回匹配结果的布尔类型Series对象
match_result = df['Name'].str.contains('M')

# 过滤出Name列值包含'M'的行
filtered_df = df.loc[match_result, :]
print(filtered_df)

输出结果：

      Name  Age Gender
1      Bob   30      M
2  Charlie   35      M