Python 如何基于单个列上的多个StringMethods高效、惯用地过滤PandasDF的行？

我有一个熊猫数据框

df

，有很多列，其中一列是：

col
---
abc:kk__LL-z12-1234-5678-kk__z
def:kk_A_LL-z12-1234-5678-kk_ss_z
abc:kk_AAA_LL-z12-5678-5678-keek_st_z
abc:kk_AA_LL-xx-xxs-4rt-z12-2345-5678-ek__x
...

我正在尝试获取

col

以

abc:

开头的所有记录，并且在

'1234'

和

'2345'

之间有第一个

-num-

（包括使用字符串搜索；

-num-

部分正好是4位数字）

在上述情况下，我会返回

col
---
abc:kk__LL-z12-1234-5678-kk__z
abc:kk_AA_LL-z12-2345-5678-ek__x
...

我目前（我认为）的解决方案如下：

df = df[df['col'].str.startswith('abc:')]
df = df[df['col'].str.extract('.*-(\d+)-(\d+)-.*')[0].ge('1234')]
df = df[df['col'].str.extract('.*-(\d+)-(\d+)-.*')[0].le('2345')]

---

在熊猫身上，有什么更惯用、更有效的方法可以做到这一点

复杂的字符串操作不如数值计算有效。因此，以下方法可能更有效：

m1 = df['col'].str.startswith('abc')
m2 = pd.to_numeric(df['col'].str.split('-').str[2]).between(1234, 2345)

dfn = df[m1&m2]

                                col
0    abc:kk__LL-z12-1234-5678-kk__z
3  abc:kk_AA_LL-z12-2345-5678-ek__x

---

一种方法是使用regexp和apply函数。我发现在一个单独的函数中使用regexp比在表达式中拥挤要容易得多

import pandas as pd
import re

def filter_rows(string):
    z = re.match(r"abc:.*-(\d+)-(\d+)-.*", string)

    if z:
        return 1234 <= (int(z.groups()[0])) <= 2345
    else:
        return False

---

regex上的另一个游戏：

 #string starts with abc,greedy search, 
 #then look for either 1234, or 2345,   
#search on for 4 digit number and whatever else after

 pattern = r'(^abc.*(?<=1234-|2345-)\d{4}.*)'

 df.col.str.extract(pattern).dropna()

                          0
0   abc:kk__LL-z12-1234-5678-kk__z
3   abc:kk_AA_LL-z12-2345-5678-ek__x

#字符串以abc开头，贪婪搜索，
#然后查找1234或2345，
#在上搜索4位数字以及之后的任何内容
图案=r'（^abc）*（？谢谢！！！啊；我应该把这个例子做得更好一点。在第一个数字值之前可能有一个不确定的字母数字值，比如
-z12-x9-xx1
，因此是regex组。但是，你关于使用
来表示数字的更大观点被采纳了。当然，我会，
timeit
，但是你知道它是什么时候出现的吗最好使用
m1&m2
而不是基于通过
m1
进行过滤来计算
m2
。在我的情况下，
m1
应该是相当有选择性的（<10%的行）
 #string starts with abc,greedy search, 
 #then look for either 1234, or 2345,   
#search on for 4 digit number and whatever else after

 pattern = r'(^abc.*(?<=1234-|2345-)\d{4}.*)'

 df.col.str.extract(pattern).dropna()

                          0
0   abc:kk__LL-z12-1234-5678-kk__z
3   abc:kk_AA_LL-z12-2345-5678-ek__x