如何通过字段子串过滤Pandas DataFrame？排查索引错误及通用方案

一、首次代码报错原因 #

你写的shops['opening'][-2:] != "22"逻辑错误：

• 直接对Series用[-2:]是对整个Series的行索引切片，取的是数据中最后2行的opening值，得到长度为2的布尔Series。
• 原DataFrame行数远大于2，导致布尔索引长度与原数据不匹配，触发IndexingError。
• 正确操作是对Series中每个字符串单独切片，必须用Pandas的.str访问器，即shops['opening'].str[-2:]。

二、通用简便筛选方法 #

1. 直接用.str切片（最直观） #

和Python字符串切片规则一致，可快速定位任意位置子串：

# 筛选最后两位不是"22"的数据
filtered_shops = shops[shops['opening'].str[-2:] != "22"]

# 示例：筛选前四位是"2024"的数据
filtered_shops = shops[shops['opening'].str[:4] == "2024"]

# 示例：筛选第3到第5位（索引2到4，左闭右开）是"061"的数据
filtered_shops = shops[shops['opening'].str[2:5] == "061"]

2. 用.str.slice()方法（更规范） #

功能和.str[]一致，适合明确指定起始/结束位置的场景：

# 取最后两位，等价于.str[-2:]
filtered_shops = shops[shops['opening'].str.slice(start=-2) != "22"]

# 取第2到第4位（索引1到3）
filtered_shops = shops[shops['opening'].str.slice(start=1, stop=4) == "123"]

3. 正则匹配（最灵活，适用于复杂模式） #

如果需要复杂匹配规则（比如任意位置包含特定字符、自定义位置匹配），用.str.contains()配合正则：

# 筛选结尾不是"22"的数据（等价于endswith('22')取反）
filtered_shops = shops[~shops['opening'].str.contains(r'22$')]

# 筛选任意位置包含"10"的数据
filtered_shops = shops[shops['opening'].str.contains(r'10')]

# 筛选第5位是"5"的数据（^表示开头，.匹配任意单个字符）
filtered_shops = shops[shops['opening'].str.contains(r'^....5')]

内容的提问来源于stack exchange，提问作者Félix Rodriguez Moya