如何从pandas DataFrame提取"START"对应列的后续数值以得到目标k？

需求：处理DataFrame时，提取所有存在"START"（大小写不敏感）的列中，该字符串所在行之后的数值数据，仅保留目标列，不要多余列。

原代码及问题 #

原代码 #

import pandas as pd

df = pd.DataFrame({'A': ['43', 23, 'Ndfg', 34, 0, 56],
               'B': ['5', 23, 'START', 89, 0, 4],
               'C': ['65', 7, 'dsfgA', 65, 47, 3],
               'D': ['65', 7, 'gfd', 3, 0, 7],
               'E': ['76', 7, 'Start', 5, 12, 1],
               'F': ['65', 7, 'sdfA', 5, 0, 4],
               'G': ['12', 7, 'START', 5, 8, 9],
               'H': ['89', 7, 'gfA', 5, 0, 8],
               'I': ['23', 7, 'sdfA', 5, 7, 23]})

k = []
for rw in range(df.shape[0]):
    for colm in range(df.shape[1]):
        if df.iloc[rw, colm] == 'START':
            row = rw + 1
            col = colm
            k.append(df.iloc[row:, col:])
            break

当前输出（包含多余列，且遗漏部分目标列） #

[    B   C  D   E  F  G  H   I
 3  89  65  3   5  5  5  5   5
 4   0  47  0  12  0  8  0   7
 5   4   3  7   1  4  9  8  23]

期望输出 #

B   E  G
3  89   5  5
4   0  12  8
5   4   1  9

问题分析 #

1. 多余列问题：原代码中df.iloc[row:, col:]会提取从匹配列开始的所有后续列，而非仅目标列。
2. 大小写不匹配：仅判断== 'START'，无法识别'Start'这类大小写不同的字符串。
3. 遗漏目标列：循环中找到第一个匹配后执行break，仅处理了第一列（B列），未处理E、G列。

解决方案代码 #

import pandas as pd

df = pd.DataFrame({'A': ['43', 23, 'Ndfg', 34, 0, 56],
                   'B': ['5', 23, 'START', 89, 0, 4],
                   'C': ['65', 7, 'dsfgA', 65, 47, 3],
                   'D': ['65', 7, 'gfd', 3, 0, 7],
                   'E': ['76', 7, 'Start', 5, 12, 1],
                   'F': ['65', 7, 'sdfA', 5, 0, 4],
                   'G': ['12', 7, 'START', 5, 8, 9],
                   'H': ['89', 7, 'gfA', 5, 0, 8],
                   'I': ['23', 7, 'sdfA', 5, 7, 23]})

# 筛选目标列及对应起始行
target_cols = []
start_row_indices = []

for col_name in df.columns:
    # 大小写不敏感匹配，忽略空值
    has_start = df[col_name].str.contains('START', case=False, na=False)
    if has_start.any():
        target_cols.append(col_name)
        # 获取第一个匹配的行索引
        first_start_row = has_start.idxmax()
        start_row_indices.append(first_start_row)

# 提取每个目标列的后续数据并合并
result = pd.DataFrame()
for col, row_idx in zip(target_cols, start_row_indices):
    result[col] = df.loc[row_idx + 1:, col]

print(result)

代码说明 #

• 使用str.contains('START', case=False)实现大小写不敏感匹配，na=False避免空值引发错误。
• 遍历所有列，筛选出包含目标字符串的列，并记录每个列中第一个匹配的行索引。
• 对每个目标列，提取匹配行之后的所有数据，合并成最终结果DataFrame，仅保留目标列。

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