如何使用Pandas统计多列中以指定前三位子串开头的内容出现次数

解决方案 #

核心修改点是给正则添加开头锚定符：你当前的正则没有限制匹配位置，所以会命中字符串任意位置的目标子串，在正则最开头加^即可，^是正则语法里的字符串起始位置匹配标识，能确保只匹配以目标前缀开头的内容。

修改后的完整代码如下：

import pandas as pd

# 替换为你实际的CSV文件路径
df = pd.read_csv("your_file.csv")

num_list = ["123", "456", "789"]
# 正则开头加^锚定起始位置，r标记原生字符串避免转义异常
rgx = r"^({})".format("|".join(num_list))

# 分别统计三个列的前缀匹配数量，数字无需转小写，移除多余的lower操作
series1_count = df["Series1"].str.extract(rgx).iloc[:, 0].value_counts()
series2_count = df["Series2"].str.extract(rgx).iloc[:, 0].value_counts()
series3_count = df["Series3"].str.extract(rgx).iloc[:, 0].value_counts()

# 可选：汇总三个列的总匹配数量
total_count = pd.concat([series1_count, series2_count, series3_count]).groupby(level=0).sum()

# 输出结果
print("Series1 匹配结果：\n", series1_count)
print("Series2 匹配结果：\n", series2_count)
print("Series3 匹配结果：\n", series3_count)
print("三列总匹配结果：\n", total_count)

额外优化说明 #

• 如果你的电话号码数据存在开头带空格的情况，可以将正则调整为rgx = r"^\s*({})".format("|".join(num_list))，\s*会自动匹配0到多个开头的空白字符，避免空格导致的匹配遗漏。
• 这里用extract替代了原代码的extractall，因为我们只需要匹配开头的前缀，每个字符串最多只会产生一个匹配结果，extract的执行效率更高。

内容的提问来源于stack exchange，提问作者calle