Pandas DataFrame中Vendor列条件筛选及对应列求和问题

• 先将float类型的Vendor列转换为字符串类型，再筛选以'6'开头的行，最后对目标列求和：

# 处理空值（可选，根据实际数据情况）
filtered_df = df[df['Vendor'].notna()]
# 转换为字符串并筛选以6开头的行
filtered_df = filtered_df[filtered_df['Vendor'].astype(str).str.startswith('6')]
# 对目标列求和
total_amount = filtered_df['Amount in loc.curr.2'].sum()
print(total_amount)

• 简化版（自动忽略NaN，因为astype(str)后NaN会转为'nan'，startswith('6')会返回False）：

total_amount = df[df['Vendor'].astype(str).str.startswith('6')]['Amount in loc.curr.2'].sum()

之前尝试失败的原因 #

• 方案1直接对float列使用str[0]会报错，Pandas的字符串方法仅适用于字符串类型列，必须先转换类型。
• 方案2用数值区间600<=Vendor<700的逻辑有局限性，只能匹配600-699的整数，会漏掉6.0、60.0、6000.0这类以6开头但不在该区间的数值，字符串匹配的方法更准确。

内容的提问来源于stack exchange，提问作者Peter 1999