如何从Pandas DataFrame中提取指定开头的字符串？

以下是几种可靠的实现方法，附代码示例：

方法1：使用str.startswith()筛选（最直观） #

这个方法专门用于判断字符串前缀，无需正则表达式，代码简洁：

import pandas as pd

# 构造示例数据
data = {'Column1': ['CA_1', 'CA_2', 'CA_3', 'BA_1', 'BA_2', 'BA_3', 'CA_4', 'BA_12', 'CA_6']}
df = pd.DataFrame(data)

# 筛选Column1以CA开头的行
filtered_df = df[df['Column1'].str.startswith('CA')]

执行后filtered_df将只保留Column1值为CA_1、CA_2、CA_3、CA_4、CA_6的行。

方法2：使用str.contains()正则匹配 #

如果需要更灵活的正则规则，用^CA表示匹配以CA开头的字符串（^是正则里的行首锚定符）：

filtered_df = df[df['Column1'].str.contains(r'^CA', regex=True)]

若之前使用contains失败，大概率是没加^，导致匹配到字符串中间包含CA的情况。

方法3：使用str.extract()提取并过滤 #

如果需要从Column1中提取符合条件的内容（比如字段内有多个字符串的场景），可以用提取+去空值的方式：

# 提取以CA开头的完整字符串，不符合的会返回NaN
df['CA_values'] = df['Column1'].str.extract(r'(^CA.*)')
# 过滤掉空值行
filtered_df = df.dropna(subset=['CA_values'])

内容的提问来源于stack exchange，提问作者DEB