我有一个大型DataFrame，类似于
import pandas as pd
sqldate = pd.Series(["2014-0-1", "2015-10-10", "1990-23-2"])
pdf = pd.Series(["2014.pdf", "2015.pdf", "1999.pdf"])
df = pd.DataFrame({"sqldate":sqldate, "pdf": pdf})
我想创建一个布尔列，指示sqldate的年份是否与pdf名称的年份相同。
另一种情况是forloop很容易做到这一点，但我想将其矢量化以提高速度/清洁度。但我无法弄清楚如何。
我尝试过更简单的方法，甚至只是制作一个df [＆＃39; newcol＆＃39;]并尝试从日期中删除左边的四个字符。像df [＆＃39; newcol＆＃39;] = df [＆＃39; sqldate＆＃39;] [0：4]但是失败了。它只生成newcol = sqldate的前四行，以及其余的行Nan，因为它将[0：4]解释为索引选择器。
有关更优雅，矢量化方式在数据框上使用受控字符串值的任何建议吗？
答案 0 :(得分：7)
您可以使用Series.str在列上使用字符串函数。因此df['sqldate'].str[0:4]将提取前4个字符（如果存在），并且以下检查两列（pdf和sqldate）的前四个字符是否相同，并将结果放入'newcol'：< / p>
df['newcol'] = df['sqldate'].str[0:4]==df['pdf'].str[0:4]
详细了解字符串函数：