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
[xforxindf.columnsif'xxx'inx]
str.contain()+列表解析式
[xforxindf.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'])
likelike='xxx'等同‘xxx'inlabels
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：DataFramefilter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~
importpandasaspd
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毛票票。如有错误或未考虑完全的地方，望不吝赐教。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。