Lo que le pasas como parámetro a str.contains()
es una expresión regular. Por eso puedes usar el carácter |
para separar dos posibles opciones. Pero en cambio no puedes usar el carácter &
porque no se trata de operaciones lógicas, las expresiones regulares no funcionan así.
Para encontrar tanto "lionel" como "messi" con una sola expresión regular puedes usar por ejemplo:
"lionel.*messi|messi.*lionel"
Como ves, el truco es especificar como opciones para el |
los dos diferentes órdenes en que pueden aparecer (el .*
entre ambas es para que acepte también cualquier secuencia de caracteres que pueda aparecer entre esas dos palabras).
Sin embargo si quieres mirar más de dos palabras, este truco no escala bien ya que tendrías que especificar todos los posibles órdenes en que las palabras puedan aparecer. Para un caso así valdría mas no usar expresiones regulares, sino escribir una función que te mire si todas las palabras están o no en la cadena (por ejemplo usando un bucle que itere por las palabras y verifique una a una si está in
la cadena dada, retornando False
tan pronto como encuentre una que no, o True
si las encuentra todas). Esa función podrías usarla como argumento a un df.apply()
y el resultado (una columna de booleanos) usarlo para filtrar las filas deseadas.
Un ejemplo de esto último (insisto, tendría sentido si la lista de nombres a buscar fuese más larga, para solo dos quizás sea excesivo):
def contiene_palabras(texto, palabras):
for palabra in palabras:
if palabra.lower() not in texto.lower():
return False
return True
ddatos[ddatos.long_name.apply(lambda txt: contiene_palabras(txt, ["lionel", "messi"])]