如何筛选pandas DataFrame中两列含相同phase编号的行

全程用pandas内置字符串向量化方法实现，无需写逐行循环，执行效率高，步骤如下：

• 首先导入pandas，构造示例数据（已有DataFrame可跳过该步）

import pandas as pd

df = pd.DataFrame({
    'data1': ['overall_phase1_b3', 'overall_phase2_b3', 'overall_phase3_b3'],
    'data2': ['overall_phase1_b5', 'overall_phase5_b5', 'overall_phase3_b5']
})

• 提取两列中phase对应的编号：用正则phase(\d+)捕获phase后跟随的数字，就是需要比对的编号值

# 先存为临时列，逻辑更清晰易排查
df['p1'] = df['data1'].str.extract(r'phase(\d+)')
df['p2'] = df['data2'].str.extract(r'phase(\d+)')

• 筛选两列编号相等的行，删除临时辅助列即可得到结果

result = df[df['p1'] == df['p2']].drop(columns=['p1', 'p2'])

如果不想生成临时辅助列，也可以直接一行完成筛选，效果完全一致：

# 无临时列的简洁写法
result = df[df['data1'].str.extract(r'phase(\d+)')[0] == df['data2'].str.extract(r'phase(\d+)')[0]]

最终输出的result和期望结果完全一致：

data1              data2
0  overall_phase1_b3  overall_phase1_b5
2  overall_phase3_b3  overall_phase3_b5

如果你的phase编号不是纯数字（比如带字母后缀），只需要调整对应正则的捕获规则即可适配。

内容的提问来源于stack exchange，提问作者nerd