如何在DataFrame列中检测转发推文？解决startswith报错问题

你遇到的错误很典型——因为你把整个tweet_text列（也就是一个Pandas Series对象）直接传给了isRetweet函数，但startswith是字符串专属的方法，Series本身没有这个属性，自然会报错。下面给你几种简单的解决办法，按效率从高到低排序：

方法1：直接用Pandas的str访问器（最推荐） #

Pandas为Series提供了str访问器，可以直接对列里的每一个字符串元素调用字符串方法，不用写自定义函数，代码简洁还高效：

tweets['is_retweet'] = tweets['tweet_text'].str.startswith("RT ")
print(tweets['is_retweet'])

这样会直接生成一个布尔值的Series，True表示是转发推文，False则不是。

方法2：用apply方法调用自定义函数 #

如果你一定要保留自己的isRetweet函数，可以用Series.apply()把函数作用到每一个元素上。另外你的函数其实可以简化，不用多余的if-else判断：

# 简化后的自定义函数
def isRetweet(tweet):
    return tweet.startswith("RT ")

# 应用到整个列
tweets['is_retweet'] = tweets['tweet_text'].apply(isRetweet)
print(tweets['is_retweet'])

apply()会自动遍历Series里的每一条文本，把单个字符串传给isRetweet函数，再把返回结果整合成新的Series。

方法3：用列表推导式（备选） #

如果你习惯用Python基础语法，也可以用列表推导式生成布尔列表，再转成Series：

import pandas as pd

is_retweet_list = [tweet.startswith("RT ") for tweet in tweets['tweet_text']]
tweets['is_retweet'] = pd.Series(is_retweet_list)
print(tweets['is_retweet'])

不过这种方法的效率比前两种低，数据量大的时候不推荐。

总结一下，优先用方法1，因为Pandas的str方法是向量化操作，比循环/apply快很多，代码也最简洁。

内容的提问来源于stack exchange，提问作者user14416085