Pandas 如何筛选包含特定字符的列

问题提出：

比如有一个三百多列的数据集，想要快速找到包含xxx的列，这里有三种方法

if判断+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函数

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

关于filter，这里可以多说一句，除了like匹配之外，还支持正则表达式匹配，参数为regex。

官方api上给出了filter更详细的用法，除了过滤列名外，还可以在行、列上进行筛选，filter全部的参数如下：

item:接收list类型参数，保留参数内项目的标签，举例

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

like like=\’xxx\’ 等同 ‘xxx\’ in labels

regex 正则表达式，输入字符串pattern

axis 表示作用的轴

更多示例见官网：DataFrame filter函数

补充：python-pandas如何选取满足条件的特定的行和列

我就废话不多说了，大家还是直接看代码吧~

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)

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。如有错误或未考虑完全的地方，望不吝赐教。