时间戳

首页 > 解决方案 > Pandas 按行检查元素字符串是否以其他元素的字符串开头（2 个不同的列）

python - Pandas 按行检查元素字符串是否以其他元素的字符串开头（2 个不同的列）

问题描述

我收到了一个包含 2 列（简化）的 .csv 文件。一列包含数据，另一列包含文件名。不幸的是，这个文件名可能不正确，我必须通过比较日期和文件名来确定。

我想要的是

# initial situation
d = {
    'call_date': ["20200102-09", "20191203-04", "20200103-10"],
    'filename': ["20200102-09xx.wav", "20200102-10yy.wav", "20200103-10zz.wav"]
}
df = pd.DataFrame(data=d)
print(df)

#      call_date           filename
# 0  20200102-09  20200102-09xx.wav
# 1  20191203-04  20200102-10yy.wav
# 2  20200103-10  20200103-10zz.wav
...

# desired result
print(pd.Series([True, False, True]))
# 0     True
# 1    False
# 2     True
# dtype: bool

使用所需的结果，我可以计算我有多少错误文件，并将 DataFrame 过滤为仅包含有效条目。

我试过的

通常，比较会像这样进行：

# True / False
df["call_date"] == df["filename"]
# filter DF
df[df["call_date"] == df["filename"]]

Pandas 有一个pandas.Series.str.startswith函数，但它仅适用于单个字符串，不适用于以下内容：

df["filename"].str.startswith(df["call_date"])

# 0   NaN
# 1   NaN
# 2   NaN
# Name: filename, dtype: float64

问题

如何按行比较“文件名”列中的元素是否以“call_date”列中的字符串开头？

标签： pythonpandasdataframestring-comparison

解决方案

使用列表推导startswith- 输出是列表，可用于过滤boolean indexing

m = [x.startswith(y) for x, y in df[['filename','call_date']].values]

或者：

m = [x.startswith(y) for x, y in zip(df['filename'], df['call_date'])]

print (m)
[True, False, True]

另一种解决方案，但速度较慢：

m = df.apply(lambda x: x['filename'].startswith(x['call_date']), axis=1)
print (m)
0     True
1    False
2     True
dtype: bool

推荐阅读