如何在Pandas DataFrame多列中筛选首字符为'd'的行

需要筛选DataFrame中从第2列（columns[1:]）起所有列值首字符均为'd'的行，示例DataFrame如下：

import pandas as pd

df = pd.DataFrame({
    'name': ['vamjy', 'tjny', 'xrvwb', 'kuqjlat', 'muagny', 'cuw', 'ekw'],
    'text': ['dadcd', 'abecc', 'dddda', 'ddade', 'eaedd', 'caceb', 'edded'],
    'line': ['eebdd', 'abbcb', 'cbddd', 'dbeac', 'cabbd', 'acaca', 'ebace'],
    'note': ['bdded', 'bbebb', 'adcca', 'decee', 'dbcce', 'eabbc', 'aaacc']
})

原可行但繁琐的写法 #

当列数较少时，可手动拼接布尔条件：

df[(df['text'].str[0]=='d') & (df['line'].str[0]=='d') & (df['note'].str[0]=='d')]

但列数较多时，这种写法重复冗余，需要更简洁的实现方式。

优化解决方案 #

方法1：向量化批量处理（推荐，效率更高）

直接对目标列批量提取首字符，生成布尔值矩阵后，按行判断是否全为True：

df[(df.iloc[:, 1:].str[0] == 'd').all(axis=1)]

• df.iloc[:, 1:]：选取第2列及之后的所有列
• .str[0] == 'd'：对每个列的所有值提取首字符，判断是否等于'd'，得到布尔值DataFrame
• .all(axis=1)：检查每行的所有布尔值是否全为True，返回行级的布尔序列，用于筛选行

方法2：逐行应用判断逻辑

使用apply逐行处理目标列，通过all()验证所有列的首字符条件：

df[df.iloc[:, 1:].apply(lambda row: all(str_val[0] == 'd' for str_val in row), axis=1)]

这种方法逻辑直观，但性能略低于向量化操作，适合需要自定义复杂判断逻辑的场景。

原尝试代码报错原因 #

你之前尝试的df[df[x].str[0] == 'd' for x in df.columns[1:]]无法运行，是因为Pandas的索引器无法直接识别生成器对象，需要将多个布尔序列合并为一个行级的布尔判断结果（如用&连接或all()合并）。

内容的提问来源于stack exchange，提问作者Tatiana