Python| Pandas Series.str.startswith()
Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，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。此方法类似于 Python 的 startswith() 方法，但具有不同的参数，并且仅适用于 Pandas 对象。因此.str必须在每次调用此方法之前加上前缀，以便编译器知道它与 default 函数不同。
Syntax: Series.str.startswith(pat, na=nan)
Parameters:
pat: String to be searched. (Regex are not accepted)
na: Used to set what should be displayed if the value in series is NULL.
Return type: Boolean series which is True where the value has the passed string in the start.
要下载代码中使用的 CSV，请单击此处。
在以下示例中，使用的数据框包含一些 NBA 球员的数据。下面附上任何操作之前的数据帧图像。 _0.png)
示例 #1：返回 Bool 系列
在此示例中，使用 str.startswith()函数检查大学列是否在字符串的开头具有“G”。返回一个布尔系列，该系列在字符串开头为“G”的索引位置为真。
# 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，bool 系列在 College 列开头为“G”的索引位置具有 True。也可以通过查看原始数据帧的图像进行比较。 _1.jpg)
示例 #2：处理 NULL 值
数据分析中最重要的部分是处理 Null 值。从上面的输出图像中可以看出，无论 College 列中的值为空还是 NaN，布尔系列都具有 NaN。如果将此布尔系列传递到数据框中，则会出错。因此，需要使用na参数处理 NaN 值。它也可以设置为字符串，但由于布尔系列用于传递和返回各自的值，所以它应该只设置为布尔值。
在此示例中， na参数设置为 False。因此，无论 College 列具有 Null 值，Bool 系列将存储 False 而不是 NaN。之后，该系列再次传递给数据框以仅显示 True 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：
如输出图像所示，数据框在 College 列的字符串开头具有“G”的行。由于 na 参数设置为 False，因此不显示 NaN 值。 _2.jpg)