如何实现忽略小数点后前4位相同、其余位不同的DataFrame行匹配？

问题分析 #

你需要实现的匹配规则本质是：将每个CIPCODE去掉小数点后转为连续数字串，要求匹配的行满足两个核心条件：

• 数字串的前4位完全相同
• 数字串除前4位外的剩余部分完全不同
• 必须排除行自身

你的原有代码仅处理了小数点前的部分，且startswith的逻辑不符合规则要求，需要重新梳理处理流程。

解决方案代码 #

import pandas as pd

# 示例测试数据
data = {'CIPCODE': [52.0101, 52.0102, 52.0101, 53.0101, 52.0103]}
df = pd.DataFrame(data)

# 步骤1：将CIPCODE转为无小数点的字符串，统一格式
df['CIPCODE_str'] = df['CIPCODE'].astype(str).str.replace('.', '', regex=False)

# 步骤2：拆分前缀（前4位）和后缀（剩余数字部分）
df['prefix'] = df['CIPCODE_str'].str[:4]
df['suffix'] = df['CIPCODE_str'].str[4:]

# 步骤3：分组处理，在同前缀组内筛选后缀不同的其他行
def get_matches_in_group(group):
    # 对组内每行，返回符合条件的行索引列表
    group['matches'] = group.apply(
        lambda row: group[group['suffix'] != row['suffix']].index.tolist(),
        axis=1
    )
    return group

# 按前缀分组处理，提升匹配效率
df = df.groupby('prefix', group_keys=False).apply(get_matches_in_group)

# 查看最终结果
print(df[['CIPCODE', 'matches']])

代码说明 #

1. 统一格式：用str.replace('.', '', regex=False)去掉小数点，避免因小数位数不一致导致的匹配错误（比如52.01和52.0100会转为相同的5201）。
2. 拆分前后缀：用str[:4]提取前4位作为匹配的核心标识，str[4:]提取剩余部分用于排除重复项。
3. 分组匹配：通过groupby('prefix')将相同前缀的行归为一组，在组内仅筛选后缀不同的行，既保证匹配效率，又精准符合规则。

示例输出 #

CIPCODE  matches
0   52.0101  [1, 4]
1   52.0102  [0, 2, 4]
2   52.0101  [1, 4]
3   53.0101  []
4   52.0103  [0, 1, 2]

可以看到：

• 52.0101（索引0）匹配52.0102（1）和52.0103（4），不匹配同后缀的52.0101（2）
• 53.0101没有同前缀的其他行，匹配结果为空

内容的提问来源于stack exchange，提问作者analyst92