如何在pandas中选择不以某些str开头的行？

Question

我想选择值不以某些str开头的行。例如，我有一个pandas df，我想选择不以t和c开头的数据。在此示例中，输出应为mext1和okl1。

import pandas as pd

df=pd.DataFrame({'col':['text1','mext1','cext1','okl1']})
df

    col
0   text1
1   mext1
2   cext1
3   okl1

我想要这个：

    col
0   mext1
1   okl1

Answer 1

您可以使用str访问器来获取字符串功能。 get方法可以获取字符串的给定索引。

df[~df.col.str.get(0).isin(['t', 'c'])]

     col
1  mext1
3   okl1

您似乎可以使用startswith以及要排除的值的元组（而不是列表）。

df[~df.col.str.startswith(('t', 'c'))]

Answer 2

选项1
使用str.match和负面展望

df[df.col.str.match('^(?![tc])')]

选项2
在query

之内

df.query('col.str[0] not list("tc")')

选项3
numpy广播

df[(df.col.str[0][:, None] == ['t', 'c']).any(1)]

         col
1  mext1
3   okl1

时间测试

def ted(df):
    return df[~df.col.str.get(0).isin(['t', 'c'])]

def adele(df):
    return df[~df['col'].str.startswith(('t','c'))]

def yohanes(df):
    return df[df.col.str.contains('^[^tc]')]

def pir1(df):
    return df[df.col.str.match('^(?![tc])')]

def pir2(df):
    return df.query('col.str[0] not in list("tc")')

def pir3(df):
    df[(df.col.str[0][:, None] == ['t', 'c']).any(1)]

functions = pd.Index(['ted', 'adele', 'yohanes', 'pir1', 'pir2', 'pir3'], name='Method')
lengths = pd.Index([10, 100, 1000, 5000, 10000], name='Length')
results = pd.DataFrame(index=lengths, columns=functions)

from string import ascii_lowercase

for i in lengths:
    a = np.random.choice(list(ascii_lowercase), i)
    df = pd.DataFrame(dict(col=a))
    for j in functions:
        results.set_value(
            i, j,
            timeit(
                '{}(df)'.format(j),
                'from __main__ import df, {}'.format(j),
                number=1000
            )
        )

fig, axes = plt.subplots(3, 1, figsize=(8, 12))
results.plot(ax=axes[0], title='All Methods')
results.drop('pir2', 1).plot(ax=axes[1], title='Drop `pir2`')
results[['ted', 'adele', 'pir3']].plot(ax=axes[2], title='Just the fast ones')
fig.tight_layout()

Answer 3

您可以使用str.startswith并取消它。

    df[~df['col'].str.startswith('t') & 
       ~df['col'].str.startswith('c')]

col
1   mext1
3   okl1

或者更好的选项，根据@Ted Petrou在元组中包含多个字符：

df[~df['col'].str.startswith(('t','c'))]

    col
1   mext1
3   okl1

Answer 4

如果您更喜欢正则表达式，只是另一种选择：

df1[df1.col.str.contains('^[^tc]')]

Answer 5

您可以使用apply方法。

以您的问题为例，代码如下：

df[df['col'].apply(lambda x: x[0] not in ['t', 'c'])]

我认为apply是一种更通用，更灵活的方法。