【Python】pandasのSeriesから「a」で始まり「a」で終わる文字列を抽出する2つの方法

pandasのSeriesに格納された文字列の中から、「a」で始まり、かつ「a」で終わる要素だけを抽出する方法を解説します。正規表現を使う方法と、組み込み関数filter()を使う方法の2通りを、実際のコード例とともに紹介します。

入力データと出力結果

まず、以下のようなSeriesを例として考えてみましょう。

0    apple
1    oranges
2    alpha
3    aroma
4    beta

このSeriesから「a」で始まり「a」で終わる要素を抽出すると、結果は次のようになります。

2    alpha
3    aroma

解法1: 正規表現を使う方法

手順

1. Seriesを定義します。

2. 先頭と末尾が「a」であることを判定するための正規表現を作成します。

3. 空のリストを用意し、forループの中でif条件を使って各要素がパターンに一致するかどうかをチェックします。

4. 最後にisin()メソッドを使って、一致した要素のみのSeriesを取得します。

使用する正規表現は以下のとおりです。

r'^[a]$|^([a]).*\1$'

このパターンは「1文字のみの 'a'」または「'a'で始まり'a'で終わる文字列」にマッチします。

実装例

それでは、実際のコードを見てみましょう。

import pandas as pd
import re

l = ["apple", "oranges", "alpha", "aroma", "beta"]
data = pd.Series(l)
exp = r'^[a]$|^([a]).*\1$'
ls = []
for i in data:
   if(re.search(exp, i)):
      ls.append(i)
print(data[data.isin(ls)])

出力

2    alpha
3    aroma

解法2: filter()とlambdaを使う方法

よりシンプルで読みやすい方法として、組み込み関数filter()とlambda式を組み合わせるやり方があります。文字列メソッドのstartswith()とendswith()を使って条件を判定するため、正規表現を書く必要がありません。

実装例

import pandas as pd
import re

l = ["apple", "oranges", "alpha", "aroma", "beta"]
data = pd.Series(l)
result = list(filter(lambda x: x.startswith('a') and x.endswith('a'), l))
print(data[data.isin(result)])

出力

2    alpha
3    aroma

まとめ

どちらの方法でも同じ結果が得られます。正規表現を使う解法1は、複雑なパターンマッチングにも柔軟に対応できるのが特徴です。一方、解法2はstartswith()とendswith()を直接使うため、コードの意図が分かりやすく保守性に優れています。単純な前方・後方一致であれば解法2を、より高度な条件が必要な場合は解法1を選ぶとよいでしょう。