Python Pandas Series.str.startswith()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python软件包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas startswith()是另一种在系列或数据框中搜索和过滤文本数据的方法。这个方法与Python的startswith()方法类似，但它有不同的参数，而且只对Pandas对象起作用。因此，每次在调用这个方法之前，都要把.str作为前缀，以便编译器知道它与默认函数不同。

语法: Series.str.startswith(pat, na=nan)

参数:
pat:要搜索的字符串。(不接受Regex)
na:用于设置如果系列中的值为NULL，应该显示什么。

返回类型: 布尔系列，如果该值在开始时有传递的字符串，则为真。

在下面的例子中，所使用的数据框包含一些NBA球员的数据。下面是数据框在任何操作之前的图像。

例子#1：返回Bool系列
在这个例子中，使用str.startswith()函数检查大学列中的元素是否在字符串的开头有 “G”。一个布尔系列被返回，它在索引位置上是真实的，其中字符串的开头是 “G”。

# importing pandas module 
import pandas as pd
  
# reading csv file from url 
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
  
# String to be searched in start of string 
search ="G"
  
# boolean series returned
data["College"].str.startswith(search)

输出:
如输出图像所示，布尔系列在学院列开始时有 “G “的索引位置有 “真”。也可以通过查看原始数据帧的图像来进行比较。

例子#2：处理NULL值
数据分析中最重要的部分是处理Null值。从上面的输出图片中可以看出，布尔系列的值为NaN，即学院列中的值为空或NaN。如果这个布尔系列被传递到数据框架中，它将会产生一个错误。因此，NaN值需要用na参数来处理。它也可以被设置为字符串，但由于布尔系列是用来传递和返回各自的值，它应该被设置为一个布尔值。
在这个例子中，na参数被设置为False。因此，只要College列有Null值，Bool系列就会存储False而不是NaN。之后，该系列被再次传递到数据框架中，只显示真值。

# importing pandas module 
import pandas as pd
  
# reading csv file from url 
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
  
# String to be searched in start of string 
search ="G"
  
# boolean series returned with False at place of NaN
bool_series = data["College"].str.startswith(search, na = False)
  
# displaying filtered dataframe
data[bool_series]

输出:
如输出图片所示，数据框中的行在学院列中的字符串开头是 “G”。由于na参数被设置为False，所以不显示NaN值。