用contains代替:

In [10]: df.b.str.contains('^f')
Out[10]: 
0    False
1     True
2     True
3    False
Name: b, dtype: bool

使用dataframe进行多列搜索:

frame[frame.filename.str.match('*.'+MetaData+'.*') & frame.file_path.str.match('C:\test\test.txt')]

这可能有点晚，但现在在Pandas中通过调用Series.str.match更容易做到这一点。文档解释了match, fullmatch和contains之间的区别。

注意，为了将结果用于索引，请设置na=False参数(如果想在结果中包含nan，则设置True)。

已经有一个字符串处理函数Series.str.startswith()。 你应该试试foo[foo.b.s str. startwith ('f')]。

结果:

    a   b
1   2   foo
2   3   fat

我想你所期望的。

或者，您可以使用包含正则表达式选项。例如:

foo[foo.b.str.contains('oo', regex= True, na=False)]

结果:

    a   b
1   2   foo

na=False是为了防止在nan, null等值的情况下出现错误

编写一个布尔函数检查正则表达式，并在列上使用apply

foo[foo['b'].apply(regex_function)]

根据user3136169的回答，下面是一个示例，说明如何删除非etype值。

def regex_filter(val):
    if val:
        mo = re.search(regex,val)
        if mo:
            return True
        else:
            return False
    else:
        return False

df_filtered = df[df['col'].apply(regex_filter)]

你也可以添加regex作为参数:

def regex_filter(val,myregex):
    ...

df_filtered = df[df['col'].apply(regex_filter,regex=myregex)]

使用str切片

foo[foo.b.str[0]=='f']
Out[18]: 
   a    b
1  2  foo
2  3  fat

使用Python内置的编写lambda表达式的能力，我们可以通过任意的正则表达式操作进行过滤，如下所示:

import re  

# with foo being our pd dataframe
foo[foo['b'].apply(lambda x: True if re.search('^f', x) else False)]

通过使用re.search，你可以通过复杂的正则表达式风格的查询进行过滤，在我看来，这是更强大的。(因为str.contains相当有限)

同样重要的是:你想要你的字符串以一个小的'f'开头。通过使用正则表达式f.*，您可以在文本中的任意位置匹配f。通过使用^符号，可以显式地表示希望它位于内容的开头。所以使用^f可能是一个更好的主意:)

你可以将query和contains结合使用:

foo.query('b.str.contains("^f").values')

或者你也可以使用startwith:

foo.query('b.str.startswith("f").values')

但是我更喜欢第一种选择，因为它允许您使用|操作符搜索多个模式。