Python按多个条件筛选列

我有这样一个数据帧：

 A     B        D
 d     151     M
 d     152     a
 d     153     M
 d     161     z
 d     164     M
 d     169     g
 d     178     g
 d     173     e
 d     176     j
 d     605     j
 d     603     d
 d     607     e
 d     905     j
 d     903     d
 d     907     e

我希望根据B列的值对其进行过滤。具体来说，我希望B列的值以15、16和60开头。我的数据帧将缩减为：

 A     B        D
 d     151     M
 d     152     a
 d     153     M
 d     161     z
 d     164     M
 d     169     g
 d     605     j
 d     603     d
 d     607     e

---

到目前为止，我还没有达到这个结果。实现这一点的最佳方法是什么？

您需要首先转换为

str

，然后选择第一个

2

值，这些值与以下值进行比较和过滤：

另一种解决方案是与自定义正则表达式一起使用-

^

表示字符串的开头和

|

或：

L = [15,16,90]
val = '|'.join(['^' + str(x) for x in L])
print (val)
^15|^16|^90
print (df[df.B.astype(str).str.contains(val)])
    A    B  D
0   d  151  M
1   d  152  a
2   d  153  M
3   d  161  z
4   d  164  M
5   d  169  g
12  d  905  j
13  d  903  d
14  d  907  e

---

有点危险，如果在B列中是

None

或

NaN

-获取错误。@jezrael更新为解决None或NaNonly我认为如果在B列中是

None

或

NaN

获取错误-所以解决方案只有在100%确定永远不会获取错误时才有效。所以最好是使用

str.contains

或

isin

来处理它。@jezrael是的，你能解释一下

df.B.astype（str.str[:2]

我得到了它，直到df.B.astype（str）它把它类型转换成str.str[:2]我没有得到它。as str是在python中构建的。它被称为

L = [15,16,90]
val = '|'.join(['^' + str(x) for x in L])
print (val)
^15|^16|^90
print (df[df.B.astype(str).str.contains(val)])
    A    B  D
0   d  151  M
1   d  152  a
2   d  153  M
3   d  161  z
4   d  164  M
5   d  169  g
12  d  905  j
13  d  903  d
14  d  907  e

>>> df[df['B'].map(lambda x: str(x[:2]) in ['15', '16', '60'])]
    A    B  D
0   d  151  M
1   d  152  a
2   d  153  M
3   d  161  z
4   d  164  M
5   d  169  g
9   d  605  j
10  d  603  d
11  d  607  e