Python 寻找一个与panda中的整数等价的starts

我有一个整数列。所有行都有9位数字，第一行以5或7开头。我正在尝试筛选那些只以7开头的。整数数据类型是否有一个等效的.str.startswith？或者我需要转换为字符串并返回整数吗

df["Case #"].str.startswith(7)

---

如果它们都是9位数字，您可以使用数字比较：

（df[“Case#”]。介于（70000000、79999999）之间
|df[“案例#”]。介于（500000000、59999999）之间

只需执行以下操作：

df = df[(df["Case #"].astype(str).str.startswith('7')) | (df["Case #"].astype(str).str.startswith('5'))]

或

---

这里有很多剥猫皮的方法：

# fake
np.random.seed([3, 14])
s = pd.Series((np.random.choice(8, 10) + 1) * 1e8, name='Case', dtype='int')
s      

0    100000000
1    800000000
2    500000000
3    200000000
4    800000000
5    500000000
6    400000000
7    500000000
8    600000000
9    700000000
Name: Case, dtype: int64

由于所有数字都有相同的数字，因此使用算术与isin检查：

# (df['case'] // 1e8).astype(int).isin([5, 7]) 
(s // 1e8).astype(int).isin([5, 7]) 

0    False
1    False
2     True
3    False
4    False
5     True
6    False
7     True
8    False
9     True
Name: Case, dtype: bool

---

这要慢得多。转换为字符串并检查第一个数字

# Here, comparison is with strings, not integers. 
s.astype(str).str[0].isin(['5', '7'])

0    False
1    False
2     True
3    False
4    False
5     True
6    False
7     True
8    False
9     True
Name: Case, dtype: bool

---

提醒：更多、更多、更慢。

如果您关心这样的格式，它可能首先不应该是一个数字。更新为一次比较多个值。谢谢，我对isin还不太熟悉。。我们将在中回顾此方法future@msulol你现在能复习一下吗？我打赌这比字符串比较好。当然，我尝试了第一行代码，但我无法将其过滤，我还不能完全理解语法。这是我试过的，我想我100%错了。（df[“Case#”]//1e9.astype（int）.isin（[5,7]）@msulol您说的是9位数字，也许您需要

（df[“Case#”]//1e8.astype（int）.isin（[5,7]）

而不是

1e9

“

对熊猫不起作用，因为您在向量上应用条件，您需要将
包装在括号内。另外，（aseries.between（a，b，inclusive=True）

，以避免同样的问题。@cs95我不是pandas程序员——如果您可以编辑答案以显示正确的语法，那就太好了。或者你可以发布一个正确的答案，我将删除。已修复，但我非常喜欢坚持算术检查的想法，因为字符串运算通常比使用pandas的算术运算慢。@cs95但我仍然认为它们可能不应该使用数字。这就像使用信用卡号码、电话号码、账号、邮政编码等。即使它们包含数字，但它们也不是真正的数字。是的，我也不建议这样做，尤其是当涉及丢失数据时。在pandas>=1.0上，虽然NA值与INT具有更好的互操作性，因此没有什么大不了的，但由于使用数字运算可能会获得性能提升，因此可能会首选NA值。如果OP想像问题所描述的那样添加对5的检查，则需要

df[df[“Case#”].astype（str）.str.startswith（'7'）| df[“Case#”].astype（str）.str.startswith（'5'）]

不用担心，现在看起来是正确的，尽管您可能应该考虑掉冗余的

df[“Case#”].astype（str）

计算（如果您愿意）。由于它是一个整数列，所以需要它是的，但您只需要做一次，就要做两次，如果这有意义的话。这起作用了，我不知道你可以用这种方式来连锁。谢谢df=df[df[“Case#”].astype（str）.str.contains（r'^7'）]

# Here, comparison is with strings, not integers. 
s.astype(str).str[0].isin(['5', '7'])

0    False
1    False
2     True
3    False
4    False
5     True
6    False
7     True
8    False
9     True
Name: Case, dtype: bool