方法
startswith
允许将
字符串 或
元组 作为其第一个参数:
# Option 1
new_df = df[df['Office'].str.startswith(('N','M','V','R'), na=False)
例子:
df = pd.DataFrame(data=[np.nan, 'Austria', 'Norway', 'Madagascar', 'Romania', 'Spain', 'Uruguay', 'Yemen'], columns=['Office'])
print(df)
df.Office.str.startswith(('N','M','V','R'), na=False)
输出:
Office
0 NaN
1 Austria
2 Norway
3 Madagascar
4 Romania
5 Spain
6 Uruguay
7 Yemen
0 False
1 False
2 True
3 True
4 True
5 False
6 False
7 False
@MaxU 指出的其他选项包括:
df[df['Office'].str.contains("^(?:N|M|V|R)")]
df[df['Office'].str.contains("^[NMVR]+")]
性能(非全面测试):
from datetime import datetime
n = 100000
start_time = datetime.now()
for i in range(n):
df['Office'].str.startswith(('N','M','V','R'), na=False)
print ("Option 1: ", datetime.now() - start_time)
start_time = datetime.now()
for i in range(n):
df['Office'].str.contains("^(?:N|M|V|R)", na=False)
print ("Option 2: ", datetime.now() - start_time)
start_time = datetime.now()
for i in range(n):
df['Office'].str.contains("^[NMVR]+", na=False)
print ("Option 3: ", datetime.now() - start_time)
结果:
Option 1: 0:00:22.952533
Option 2: 0:00:23.502708
Option 3: 0:00:23.733182
最终选择:由于时间上并没有太大的差别,因此我会选择
选项1,因为其语法更简单,性能更好。
new_df = df[df['Office'].str.contains("^N|^M|^V|^R", na=False)]
应该可以工作。 - EdChum^
表示以后面的字符开头,因此我们在这里使用contains
,因为它支持正则表达式模式。 - EdChum