熊猫选择列中的值不以字符串开头的行

Question

我有一个数据，我需要过滤掉以某个值s开头的任何行- 强调复数：

与文件 data.xlsx 中显示的完全相同的数据下方

Name                Remains
GESDSRPPZ0161       TRUE
RT6000996           TRUE
RT6000994           TRUE
RT6000467           TRUE
RT6000431           TRUE
MCOPSR0034          FALSE
MCOPSR0033          FALSE

我需要能够返回名称不以MCO、GE等开头的数据帧。

import pandas as pd
import numpy as np

### data
file = r'C:\Users\user\Desktop\data.xlsx'

data  = pd.read_excel(file, na_values = '')
data['name'] = data['name'].str.upper()

prefixes = ['IM%','JE%','GE%','GV%','CHE%','MCO%']

new_data = data.select(lambda x: x not in prefixes)


new_data.shape

最后一次调用返回与我开始时完全相同的数据集。

我试过：

大熊猫使用startswith从Dataframe中选择

但如果字符串在其他地方（不仅以开头），它会排除数据

df = df[df['Column Name'].isin(['Value']) == False]

如果我确切地知道有问题的字符串，上面的答案会起作用，但是它会改变（公共部分是 MCOxxxxx、GVxxxxxx、GExxxxx...）

这个也发生了同样的事情：

如何为 Pandas 数据框实现“in”和“not in”

因为我必须传递的值必须是准确的。有什么办法可以使用与此处相同的逻辑（是否有与 SQL 这样的通配符等效的逻辑？）：

如何选择列值以某个字符串开头的行？

感谢帮助！我们可以在下面扩展吗？

@jezrael 虽然为了简单起见我选择了另一种解决方案（并且我对您的解决方案缺乏了解），但我想请您做一些解释。什么是“^” +“| ^”做此代码，它是如何从文的解决方案有什么不同？当您将 for 循环构造与 map 或 apply 等系列操作相反时，它如何比较性能？如果我理解正确，contains()不会被位置所困扰，而startswith() 专门查看字符串的开头。这是否意味着 ^ 指示 contains() 做什么？从头开始？和| 它是该方法的另一个特殊字符还是被视为逻辑 OR？如果你不这样做，我真的很想学这个 不介意分享。谢谢

Answer 1

您可以使用startswith，~前面的将从 in 转换为 not in

prefixes = ['IM','JE','GE','GV','CHE','MCO']

df[~df.Name.str.startswith(tuple(prefixes))]
Out[424]: 
        Name  Remains
1  RT6000996     True
2  RT6000994     True
3  RT6000467     True
4  RT6000431     True