根据列名列表过滤 Pandas 数据框

Question

我有一个 pandas 数据框，它可能有 1000 列。但是我不需要那么多列>只有当它们 match/starts/contains 特定字符串时我才需要列。

所以假设我有一个数据框列 df.columns =

  HYTY, ABNH, CDKL, GHY@UIKI,  BYUJI@#hy  BYUJI@tt  BBNNII#5  FGATAY@J ....

我想要 select 列名称仅为 HYTY、CDKL、BYUJI* 和 BBNNI*

所以我想做的是创建一个正则表达式列表，例如：

  import re 

  relst = ['HYTY', 'CDKL*', 'BYUJI*', 'BBNI*']


  my_w_lst = [re.escape(s) for s in relst]

  mask_pattrn = '|'.join(my_w_lst)

然后我创建逻辑向量来给我一个 TRUE/FALSE 的列表来说明字符串是否存在。但是，不了解如何从中获取只有那些真正的 selected 列的数据框。

任何帮助将不胜感激。

Answer 1

我们可以startswith

relst = ['CDKL', 'BYUJI', 'BBNI']

subdf = df.loc[:,df.columns.str.startswith(tuple(relst))|df.columns.isin(['HYTY'])]

Answer 2

使用re.findall()。它将为您提供要传递给 df[mylist]

的列列表

Answer 3

使用你已有的东西，你可以将你的掩码传递给过滤器，如：

df.filter(regex=mask_pattrn)

Filtering Pandas Dataframe Based on List of Column Names