如何使用 Pandas 中另一列的长度作为切片参数

Question

我正在尝试从数据框中删除行，其中 Ref 列中的第一个字母序列等于 Product 列。

例如，对于输入：

+---------+---------------+
| Product | Provision Ref |
+---------+---------------+
| DVX     | DVX9251       |
+---------+---------------+
| CDV     | 22CDV95       |
+---------+---------------+
| TV      | TV12369       |
+---------+---------------+
| TV      | 992TV15       |
+---------+---------------+

期望的输出：

+---------+---------------+
| Product | Provision Ref |
+---------+---------------+
| CDV     | 22CDV95       |
+---------+---------------+
| TV      | 992TV15       |
+---------+---------------+

我已经尝试了以下两段代码，但它们都不起作用

df = df.loc[df['Provision Ref'].str[0:df['Product'].map(len)] != df['Product']]
df = df.loc[df['Provision Ref'].str[0:int(df['Product'].map(len))] != df['Product']]

Answer 1

试试这个：

filtered = df[df.groupby('Product', sort=False).apply(lambda g: g['Provision Ref'].str.startswith(g['Product'].iloc[0])).tolist()]

输出：

>>> filtered
  Product Provision Ref
0     DVX       DVX9251
2      TV       TV12369

可读性更高但效率更低：

filtered = df[df.apply(lambda x: x['Provision Ref'].startswith(x['Product']), axis=1)]

另一种方法，如果 Product 的项目几乎没有唯一长度（例如，大多数是 2、3 或 4 个字符长等），则可能更有效：

filtered = df[df.groupby(df['Product'].str.len(), sort=False).apply(lambda x: x['Provision Ref'].str[:len(x['Product'].iloc[0])] == x['Product']).tolist()]

Answer 2

我们可以使用row-wise.apply()，因为 df['Provision Ref'].str.startswith(df['Product']) 不是那样矢量化的（正如@anarchy 所写）。

df[~df.apply(lambda row: row['Provision Ref'].startswith(row['Product']), axis=1)]

  Product Provision Ref
1     CDV       22CDV95
3      TV       992TV15

如何使用 Pandas 中另一列的长度作为切片参数

How do I use the length of another column in Pandas as a slice argument

python

pandas

dataframe

slice