pandas str.contains()の使い方｜文字列を含む行を抽出・na=Falseも解説

CSVを読み込んだあとに、次のように思うことはありませんか。

• 商品名に「Pro」を含む行だけ見たい
• 住所に「東京」を含むデータだけ抽出したい
• カテゴリ名に特定の文字が入っている行だけ確認したい
• 欠損値が混じっていて、文字列検索がうまくいかない

このように、完全一致ではなく「文字列の一部を含む行」を抽出したいときに使うのが、pandasの str.contains() です。

pandasで「contains」のように文字列を含む行を探したい場合は、str.contains() を使います。

結論から言うと、基本形は次のように書きます。

df[df["列名"].str.contains("探したい文字", na=False)]

na=False を付けると、欠損値がある行を False として扱えます。
そのため、欠損値が混じる列でも、初心者が安全に抽出しやすくなります。

この記事では、pandasの str.contains() を使って文字列を含む行を抽出する方法を、Google Colabで試しやすいサンプルで解説します。
あわせて、isin() や query() との違い、na=False の意味、よくあるミスも整理します。

この記事でわかること

この記事では、次の内容を学べます。

• str.contains() で文字列を含む行を抽出する方法
• 完全一致と部分一致の違い
• na=False を付ける理由
• 特定の文字を含まない行を抽出する方法
• 大文字・小文字を無視して検索する方法
• regex=False を使って記号をそのまま検索する方法
• isin()、query()、replace() との使い分け
• 抽出後に head() や value_counts() で確認する流れ

Pandas DataFrame入門シリーズの中での位置づけ

str.contains() は、DataFrameを読み込んだあとに、必要な行を探す・抽出するための操作です。

データ分析の流れで見ると、次のような位置づけになります。

1. CSVを読み込む
2. head() や info() で中身を確認する
3. str.contains() で文字列を含む行を抽出する
4. 必要に応じて replace() や fillna() で前処理する
5. value_counts() や groupby() で集計する

つまり、str.contains() は「確認したあと、必要なデータだけ取り出す」ための実用的な操作です。

str.contains()は文字列を含む行を抽出したいときに使う

str.contains() は、Seriesの各要素に対して「指定した文字列を含むかどうか」を調べます。

基本形は次のとおりです。

df[df["列名"].str.contains("探したい文字", na=False)]

ポイントは、df.str.contains() ではなく、文字列が入っている列を指定してから使うことです。

df["商品名"].str.contains("Pro", na=False)

この結果は、各行が条件に合うかどうかを表す True / False のデータになります。
それを df[...] の中に入れることで、条件に合う行だけを取り出せます。

最初は、次の3つをセットで覚えると分かりやすいです。

サンプルデータを作成する

まずは、商品名・住所・カテゴリ・メモを含む小さなDataFrameを作ります。
実務ではCSVから読み込むことが多いですが、ここではGoogle Colabでそのまま試せるように、サンプルデータを直接作成します。

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "商品名": [
        "Basic Pen",
        "Pro Notebook",
        "Pro Mouse",
        "Mini Stand",
        "Desk Pro Max",
        "Standard Keyboard",
        "ProCase",
        "USB-C Cable"
    ],
    "住所": [
        "東京都新宿区",
        "大阪府大阪市",
        "東京都渋谷区",
        "神奈川県横浜市",
        "東京近郊",
        "北海道札幌市",
        np.nan,
        "京都府京都市"
    ],
    "カテゴリ": [
        "文房具",
        "PC周辺機器",
        np.nan,
        "家具",
        "PC周辺機器",
        "PC周辺機器",
        "アクセサリ",
        "ケーブル"
    ],
    "価格": [120, 98000, 4500, 3200, 128000, 8500, 2400, 1600],
    "メモ": [
        "初回入荷",
        "Pro対象",
        "在庫確認",
        "セール対象",
        "PRO表記あり",
        np.nan,
        "proの小文字あり",
        "記号A+Bを含む"
    ]
})

df

このDataFrameには、あえて次のようなデータを入れています。

このように、str.contains() は商品名、住所、カテゴリ、メモ欄など、文字列が入っている列でよく使います。

商品名に「Pro」を含む行を抽出する

まずは、商品名に Pro を含む行だけを抽出してみます。

df[df["商品名"].str.contains("Pro", na=False)]

上のコードでは、次の流れで処理しています。

1. df["商品名"] で商品名の列を取り出す
2. .str.contains("Pro", na=False) で「Proを含むか」を調べる
3. df[...] で True になった行だけを抽出する

処理前と処理後のイメージは次のとおりです。

ここで重要なのは、str.contains() は完全一致ではなく部分一致だという点です。
そのため、ProCase や Desk Pro Max のように、文字列の一部に Pro が入っていれば抽出対象になります。

完全一致・部分一致・候補リスト・置換の違い

初心者が迷いやすいのは、==、isin()、str.contains()、replace() の使い分けです。

最初に判断基準を整理しておきます。

query() は条件式をすっきり書ける便利な方法ですが、文字列の部分一致を学び始めた段階では、まず df[df["列名"].str.contains("文字", na=False)] の形で理解するのがおすすめです。

str.contains() は、値を変更する処理ではありません。
条件に合う行を「取り出す」ための処理です。

# 完全一致：商品名が「Pro Mouse」と完全に一致する行
df[df["商品名"] == "Pro Mouse"]

# 候補リスト：カテゴリが「家具」または「ケーブル」の行
df[df["カテゴリ"].isin(["家具", "ケーブル"])]

# 部分一致：商品名に「Pro」を含む行
df[df["商品名"].str.contains("Pro", na=False)]

この3つは似ていますが、役割が違います。

• == は1つの値との完全一致
• isin() は複数候補との完全一致
• str.contains() は文字列の一部一致

「Proを含む商品名」のように、文字列の一部を探したい場合は、str.contains() が自然です。

住所に「東京」を含む行を抽出する

次に、住所列に 東京 を含む行だけを抽出します。

住所や店舗名、商品名、カテゴリ名などは、完全一致よりも「一部に含まれるか」で探したい場面がよくあります。

df[df["住所"].str.contains("東京", na=False)]

この例では、東京都新宿区、東京都渋谷区、東京近郊 のように、住所の一部に 東京 を含む行が抽出されます。

処理前後のイメージは次のとおりです。

na=False を付けているため、住所が欠損している行は False として扱われます。

na=Falseを付ける理由

str.contains() を使うときに、初心者がつまずきやすいのが na=False です。

検索対象の列に欠損値がある場合、str.contains() の判定結果にも欠損値が混じることがあります。
この判定結果をそのままDataFrameの抽出条件に使うと、列の型や欠損値の扱いによってはエラーになることがあります。

# na=False を付けない場合の判定結果
mask = df["カテゴリ"].str.contains("PC")
mask

上の結果を見ると、カテゴリ が欠損している行では、判定結果にも欠損値が混じっています。

この状態でDataFrameの抽出条件に使うと、列の型や欠損値の扱いによってはエラーになることがあります。
そのため、初心者向けには na=False を付けておく書き方がおすすめです。

# na=False を付けると、欠損値は False として扱われる
df[df["カテゴリ"].str.contains("PC", na=False)]

na=False の意味は、次のように考えると分かりやすいです。

「欠損値の行は、検索文字を含まないものとして扱いたい」場合は、na=False を付けるのが自然です。

特に、次のような実務データでは na=False を付けておくと安心です。

• 商品名や住所に空欄がある
• メモ欄に未入力の行がある
• CSVを読み込んだ直後で、欠損値の有無をまだ確認できていない

特定の文字を含まない行を抽出する

str.contains() の前に ~ を付けると、条件を反転できます。

つまり、「Proを含む行」ではなく、Proを含まない行を抽出できます。

df[~df["商品名"].str.contains("Pro", na=False)]

~ は「ではない」という意味で使います。

~df["商品名"].str.contains("Pro", na=False)

この条件は、「商品名に Pro を含まない」という意味になります。

ただし、na=False を付け忘れると、欠損値が混じる列ではうまく反転できないことがあります。
~ と一緒に使う場合も、基本的には na=False を付けておくと安心です。

大文字・小文字を無視して検索する

英字を含むデータでは、Pro、PRO、pro のように表記が混じることがあります。

デフォルトでは、大文字と小文字は区別されます。

# デフォルトでは大文字・小文字を区別する
df[df["メモ"].str.contains("pro", na=False)]

上の例では、小文字の pro を含む行だけが抽出されます。

大文字・小文字を区別せずに検索したい場合は、case=False を使います。

# case=False で大文字・小文字を区別せずに検索
df[df["メモ"].str.contains("pro", case=False, na=False)]

case=False を使うと、Pro、PRO、pro のような表記ゆれをまとめて検索できます。

ただし、case=False は「抽出時に大文字小文字を無視する」だけです。
データ自体を書き換える処理ではありません。表記そのものをそろえたい場合は、replace() や文字列処理を使う流れになります。

記号をそのまま探したいときはregex=Falseを付ける

str.contains() は、デフォルトでは検索文字を正規表現として扱います。

正規表現とは、文字列のパターンを表す書き方です。便利ですが、初心者のうちは +、.、? などの記号を検索するときに、意図しない結果になることがあります。

たとえば、メモ欄から A+B という文字をそのまま探したい場合、+ が正規表現の特別な記号として解釈されることがあります。
記号を普通の文字として探したいときは、regex=False を付けると安全です。

# 「A+B」という文字をそのまま探したい場合
df[df["メモ"].str.contains("A+B", regex=False, na=False)]

今回の記事では、正規表現の詳しい書き方には深入りしません。

初心者のうちは、次のように覚えておくと十分です。

まずは、na=False と regex=False の役割を分けて理解しましょう。

• na=False：欠損値を False として扱う
• regex=False：検索文字を正規表現ではなく、普通の文字として扱う

str.contains()を複数条件と組み合わせる方法

str.contains() は、ほかの条件と組み合わせることもできます。

たとえば、商品名に Pro を含み、価格が5000円以上の商品だけを抽出してみます。

df[
    df["商品名"].str.contains("Pro", na=False)
    & (df["価格"] >= 5000)
]

ここでは、2つの条件を & でつないでいます。

• 商品名に Pro を含む
• 価格が5000円以上

複数条件の詳しい書き方や query() の使い方は条件抽出の記事で扱う内容なので、この記事では深追いしません。
str.contains() は、あくまで「文字列を含むかどうかの条件を作る」と理解しておくと整理しやすいです。

抽出後に確認・前処理・集計へつなげる

str.contains() で行を抽出したら、そこで終わりではありません。

抽出したデータを確認し、必要に応じて前処理や集計につなげます。
たとえば、Pro を含む商品だけを取り出したあと、カテゴリごとの件数を確認してみます。

pro_items = df[df["商品名"].str.contains("Pro", na=False)]

pro_items.head()

pro_items["カテゴリ"].value_counts(dropna=False)

このように、str.contains() はデータ分析の流れの中で、次のように使えます。

str.contains() は、確認と前処理、集計をつなぐための「対象データを探す操作」と考えると分かりやすいです。

よくあるミスと対処法

str.contains() では、次のようなミスが起きやすいです。

特に、最初は次の2点を押さえるだけでも十分です。

• 欠損値がありそうな列では na=False を付ける
• 完全一致ではなく、文字列の一部を探すときに str.contains() を使う

この記事で深入りしない発展内容

str.contains() は正規表現と組み合わせると、より複雑な文字列検索もできます。

ただし、この記事では初心者が最初に使いやすいように、1列から特定の文字を含む行を抽出する基本に絞っています。

次の内容は便利ですが、最初から深く覚えなくても大丈夫です。

• 複雑な正規表現パターン
• 複数列をまたぐ文字列検索
• str.extract() や str.match() の詳しい使い方
• 大量データでの高速化
• 自然言語処理やテキストマイニング

まずは、str.contains("文字", na=False) の基本形を使えるようになることを優先しましょう。

まとめ

この記事では、pandasの str.contains() を使って、文字列を含む行を抽出する方法を解説しました。

大切なポイントは次のとおりです。

• 文字列の一部を含む行を抽出したいときは str.contains() を使う
• 基本形は df[df["列名"].str.contains("文字", na=False)]
• 完全一致なら == や isin()、部分一致なら str.contains() と使い分ける
• 欠損値が混じる列では na=False を付けると安全
• 含まない行を抽出したいときは ~ を使う
• 大文字・小文字を無視したい場合は case=False を使う
• 記号をそのまま検索したい場合は regex=False を使う
• 抽出後は head() や value_counts() で確認すると次の分析につなげやすい

str.contains() は、商品名・住所・カテゴリ・メモ欄など、文字列データを扱うときによく使います。
まずは str.contains("文字", na=False) の基本形を覚え、必要に応じて ~、case=False、regex=False を加えていきましょう。

次に読みたい関連記事

この記事の内容は、次の記事とあわせて読むと理解しやすくなります。

• Pandas DataFrame入門｜作り方・基本操作をわかりやすく解説
• Google Colab CSV 読み込み＆保存入門｜pandasでread_csvとto_csvを解説
• pandas 条件抽出（filtering）入門｜AND/OR・query関数・複数条件の指定方法
• pandas isinの使い方と仕組み｜リスト・複数条件・not isinを解説
• pandas replace()の使い方｜値の置換・表記ゆれ・欠損値変換を解説
• pandas value_counts()の使い方｜件数集計・割合表示・欠損値の数え方を解説
• pandas fillna()の使い方｜欠損値を0・平均値・中央値で埋める方法

まずDataFrameの基本やCSV読み込みを確認し、そのあと条件抽出・isin・replace・value_countsへ進むと、文字列データの確認から前処理までの流れがつながりやすくなります。

▲ ページトップへ戻る