访问 pandas 数据框的正确方法

Question

我正在尝试 access/create 来自 pvlib 访问的 CEC 数据库的模块名称列表：

import pandas as pd
import pvlib as pv

cecmod = pv.pvsystem.retrieve_sam('CECMod')

我要搜索模块名称列表：

matching = [s for s in dir(cecmod) if "Trina" in s]

dir(cecmod) 部分让我很困扰。我偶然发现了这种获取数据框列标题列表（键？）的方法，但我觉得 dir 不应该以这种方式使用。为什么 dir(pandas.DataFrame) return 这个列标题列表而不是 a ？这是数据帧的使用方式吗？有没有更好的方法来访问这些 headings/keys?

Answer 1

不，这真是糟糕的设计。 dir(..) 用于列出对象的所有属性。尽管这并不总是可能的，因为某些对象会即时生成属性。

使用 if "Trina" in s 检查也是一个坏主意，因为搜索字符串最终可能会出现在属性中。

获取列列表的一种方法是简单地使用cecmode.columns。这是一个 Index(..) 对象，例如：

>>> cecmod.columns
Index(['BEoptCA_Default_Module', 'Example_Module', '1Soltech_1STH_215_P',
       '1Soltech_1STH_220_P', '1Soltech_1STH_225_P', '1Soltech_1STH_230_P',
       '1Soltech_1STH_235_WH', '1Soltech_1STH_240_WH', '1Soltech_1STH_245_WH',
       '1Soltech_1STH_FRL_4H_245_M60_BLK',
       ...
       'Zytech_Solar_ZT275P', 'Zytech_Solar_ZT280P', 'Zytech_Solar_ZT285P',
       'Zytech_Solar_ZT290P', 'Zytech_Solar_ZT295P', 'Zytech_Solar_ZT300P',
       'Zytech_Solar_ZT305P', 'Zytech_Solar_ZT310P', 'Zytech_Solar_ZT315P',
       'Zytech_Solar_ZT320P'],
      dtype='object', length=13953)

它是可迭代的，然后我们迭代列名：

matching = [col for col in cecmod.columns if "Trina" in col]

这将产生：

>>> [col for col in cecmod.columns if "Trina" in col]
['Trina_Solar_TSM_165DA01', 'Trina_Solar_TSM_170D', 'Trina_Solar_TSM_170DA01', 'Trina_Solar_TSM_170DA03', 'Trina_Solar_TSM_170PA03', 'Trina_Solar_TSM_175D', 'Trina_Solar_TSM_175DA01', 'Trina_Solar_TSM_175DA03', 'Trina_Solar_TSM_175PA03', 'Trina_Solar_TSM_180D', 'Trina_Solar_TSM_180DA01', 'Trina_Solar_TSM_180DA03', 'Trina_Solar_TSM_180PA03', 'Trina_Solar_TSM_185DA01', 'Trina_Solar_TSM_185DA01A', 'Trina_Solar_TSM_185DA01A_05', 'Trina_Solar_TSM_185DA01A_08', 'Trina_Solar_TSM_185DA03', 'Trina_Solar_TSM_185PA03', 'Trina_Solar_TSM_190DA01A', 'Trina_Solar_TSM_190DA01A_05', 'Trina_Solar_TSM_190DA01A_08', 'Trina_Solar_TSM_190DA03', 'Trina_Solar_TSM_190PA03', 'Trina_Solar_TSM_195DA01A', 'Trina_Solar_TSM_195DA01A_05', 'Trina_Solar_TSM_195DA01A_08', 'Trina_Solar_TSM_200DA01A', 'Trina_Solar_TSM_200DA01A_05', 'Trina_Solar_TSM_200DA01A_08', 'Trina_Solar_TSM_205DA01A', 'Trina_Solar_TSM_205DA01A_05', 'Trina_Solar_TSM_205DA01A_08', 'Trina_Solar_TSM_220DA05', 'Trina_Solar_TSM_220PA05', 'Trina_Solar_TSM_220PA05_05', ...

（输出被切断）

我们还可以像@DYZ 说的那样用 .str.contains('Trina') 执行更快的匹配：

list(cecmod.columns[cecmod.columns.str.contains('Trina')])

这里我们让库进行搜索工作，这通常会优于 Python 循环。

或者，使用 str.startswith，假设搜索字符串位于列名称的开头：

list(cecmod.columns[cecmod.columns.str.startswith('Trina')])

如果您想要数据框列，而不仅仅是列名，请使用 df.filter:

df.filter(like='Trina')

访问 pandas 数据框的正确方法

Correct way to access pandas dataframe

python

pandas

pvlib