如何使用.startswith()方法在pandas DataFrame中创建新变量

错误原因分析 #

• 第一个写法报错的原因：
  1. 用df(xxx)的写法是把DataFrame对象当成函数调用了，pandas中条件筛选需要用方括号[]，不是圆括号
  2. 没有用.str访问器调用字符串方法，直接写subj.startswith无法识别subj是df的列，也无法对整列做字符串匹配
  3. 条件判断里的mean没有指定是df的mean列，会被识别为未定义的变量
• 第二个写法无报错但无效果的原因：
  直接对DataFrame做遍历，默认遍历的是列名而非行值，所以循环里的subj实际是'subj'、'mean'两个列名字符串，自然无法匹配到a_subj开头的内容，所以赋值逻辑不会执行。

正确实现方案 #

如果你的需求是单独将符合条件的mean值存入变量mean_a，可以直接用pandas的条件筛选：

# 筛选subj列以'a_subj'开头的行，提取mean列的值，得到的是Series类型
mean_a = df.loc[df['subj'].str.startswith('a_subj'), 'mean']

# 如果你确定符合条件的只有一行，要直接得到标量数值，可加.iloc[0]
mean_a = df.loc[df['subj'].str.startswith('a_subj'), 'mean'].iloc[0]

如果你需要给原DataFrame新增mean_a列，对应np.where的正确写法如下：

import numpy as np
df['mean_a'] = np.where(df['subj'].str.startswith('a_subj'), df['mean'], '')

内容的提问来源于stack exchange，提问作者r.rodrigues18