Pandas 如何篩選包含特定字符的列

問題提出:

比如有一個三百多列的數據集,想要快速找到包含xxx的列,這裡有三種方法

if判斷+列表解析式

[x for x in df.columns if 'xxx' in x]

str.contain()+列表解析式

[x for x in df.columns[df.columns.str.contain('xxx')]]

filter函數

df.filter(like='xxx').columns

關於filter,這裡可以多說一句,除瞭like匹配之外,還支持正則表達式匹配,參數為regex。

官方api上給出瞭filter更詳細的用法,除瞭過濾列名外,還可以在行、列上進行篩選,filter全部的參數如下:

item:接收list類型參數,保留參數內項目的標簽,舉例

# 等同df[['a', 'b', 'c']]
df.filter(item=['a', 'b', 'c'])

like like=’xxx’ 等同 ‘xxx’ in labels

regex 正則表達式,輸入字符串pattern

axis 表示作用的軸

更多示例見官網:DataFrame filter函數

補充:python-pandas如何選取滿足條件的特定的行和列

我就廢話不多說瞭,大傢還是直接看代碼吧~

import pandas as pd
df1 = pd.read_csv("data/trans/bike_flow.csv")
# ['t_idx' 'r_idx' 'c_idx' 'bike_out_cnt' 'bike_in_cnt' 'flow_stay' 'flow_in' 'flow_out']
print(df1.columns.values)
# (23016, 8)
print(df1.shape)
# ['t_idx', 'bike_in_cnt']是取特定的列
# df1['bike_in_cnt'] > 10是取特定的行
df2 = df1[['t_idx', 'bike_in_cnt']][df1['bike_in_cnt'] > 10]
# (328, 2)
print(df2.shape)

以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。如有錯誤或未考慮完全的地方,望不吝賜教。

推薦閱讀: