Python 熊猫开始在两列之间操作

我有一个包含两列的数据框，我需要检查a列的每一行的值是一个字符串，该字符串以B列或a列对应行的值开始

似乎Series方法

.str.startswith

无法处理矢量化输入，因此我需要在列表理解中压缩这两列，并创建一个新的

pd.Series

，其索引与这两列中的任何一列相同

我希望这是一个矢量化的操作，可以使用

.str

访问器对iterables进行操作，但类似这样的操作会返回NaN：

df = pd.DataFrame(data={'a':['x','yy'], 'b':['xyz','uvw']})
df['a'].str.startswith(df['b'])

我的工作解决方案如下：

pd.Series(index=df.index, data=[a.startswith(b) or b.startswith(a) for a,b in zip(df['a'],df['b'])])

我怀疑可能有更好的方法来解决这个问题，因为它也会使series上的所有字符串方法受益

---

有没有更漂亮或更有效的方法可以做到这一点？

一个想法是使用

np.vecorize

，但因为使用字符串的性能只比您的解决方案好一点：

def fun (a,b):
    return a.startswith(b) or b.startswith(a)

f = np.vectorize(fun)
a = pd.Series(f(df['a'],df['b']), index=df.index)
print (a)
0     True
1    False
dtype: bool

---

---

df = pd.DataFrame(data={'a':['x','yy'], 'b':['xyz','uvw']})
df = pd.concat([df] * 10000, ignore_index=True)

In [132]: %timeit pd.Series(index=df.index, data=[a.startswith(b) or b.startswith(a) for a,b in df[['a', 'b']].to_numpy()])
42.3 ms ± 516 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [133]: %timeit pd.Series(f(df['a'],df['b']), index=df.index)
9.81 ms ± 119 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [134]: %timeit pd.Series(index=df.index, data=[a.startswith(b) or b.startswith(a) for a,b in zip(df['a'],df['b'])])
14.1 ms ± 262 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

#sammywemmy solution
In [135]: %timeit pd.Series([any((a.startswith(b), b.startswith(a))) for a, b in df.to_numpy()], index=df.index)
46.3 ms ± 683 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)