如何使用Pandas查找以指定字符串开头的单元格位置

嘿，我来帮你搞定这个在DataFrame里定位目标单元格的问题！下面针对你的示例场景，一步步给出具体的实现方案：

第一步：构造示例DataFrame #

先把你给出的示例数据用pandas构造出来：

import pandas as pd

df = pd.DataFrame({
    'Price': [947.2, 129.3, 161.69],
    'Rate p/lot': ['1.25 BAM', '2.1 NAD', '0.8 CAD'],
    'Total Comm': [1.25, 1.25, 2.00]
})

第二步：实现查找逻辑 #

这里要注意：你的示例中NAD其实是单元格内容的结尾部分，所以我会同时说明开头匹配和结尾匹配两种情况，你可以按需切换：

方法一：遍历式查找（适合小数据集，逻辑直观）

# 定义要搜索的目标字符串
target_strings = ['NAD']

matches = []
# 遍历每一行
for row_idx, row in df.iterrows():
    # 遍历该行的每个单元格
    for col_name, value in row.items():
        str_val = str(value)  # 转为字符串，兼容数值类型单元格
        # 如果你要找「以目标字符串开头」的单元格，用startswith
        # if any(str_val.startswith(target) for target in target_strings):
        # 你的示例是找结尾匹配的，所以用endswith
        if any(str_val.endswith(target) for target in target_strings):
            # 转换为1-based索引（和你预期的(1,2)对应），如果用0-based就去掉+1
            col_idx = df.columns.get_loc(col_name) + 1
            matches.append((row_idx + 1, col_idx))

# 输出结果
print(matches)
# 输出: [(1, 2)] 正好对应你要的(1,2)位置的内容

方法二：向量化操作（适合大数据集，效率更高）

用applymap()生成布尔掩码，再提取匹配的索引：

target_strings = ['NAD']

# 生成布尔掩码，这里用endswith对应你的示例，开头匹配换startswith
mask = df.applymap(lambda x: any(str(x).endswith(t) for t in target_strings))
# 获取0-based的匹配索引
match_idx_0based = list(zip(mask[mask].index, mask[mask].columns))
# 转为1-based索引
match_idx_1based = [(r+1, df.columns.get_loc(c)+1) for r, c in match_idx_0based]

print(match_idx_1based)
# 输出: [(1, 2)]

关键说明 #

• 如果确实需要严格匹配「以特定字符串开头」的单元格，把代码里的endswith()替换成startswith()即可。
• pandas默认用0-based索引（行、列从0开始计数），如果你需要和示例一致的1-based索引，就给行号和列号各加1。

内容的提问来源于stack exchange，提问作者Piyush S. Wanare