通过正则表达式选择列更改 Pandas 列的数据类型

Question

我有一个 Pandas 数据框，其中有很多列看起来像 p_d_d_c0、p_d_d_c1、... p_d_d_g1、p_d_d_g2、.. ..

  df = 
        a     b     c      p_d_d_c0     p_d_d_c1    p_d_d_c2 ... p_d_d_g0  p_d_d_g1 ...

所有这些确认正则表达式的列都需要 selected 并且它们的数据类型需要从对象更改为浮点数。特别是，列看起来像 p_d_d_c* 和 p_d_d_g* 它们都是 object 类型，我想将它们更改为 float 类型。有没有办法通过使用正则表达式批量 select 列并将它们更改为 float 类型？

我尝试了的答案，但由于我有数百个这样的列，因此需要大量时间和内存。

    df[df.filter(regex=("p_d_d_.*"))

我也试过：

    df.select(lambda col: col.startswith('p_d_d_g'), axis=1)

但是，它给出了一个错误：

    AttributeError: 'DataFrame' object has no attribute 'select'

我的Pandas版本是1.0.1

那么，如何批量 select 列并使用正则表达式更改它们的数据类型？

Answer 1

来自同一个 link，并带有一些 astype 魔法。

column_vals = df.columns.map(lambda x: x.startswith("p_d_d_"))
train_temp = df.loc(axis=1)[column_vals]
train_temp = train_temp.astype(float)

编辑：

要修改原始数据框，请执行以下操作：

column_vals = [x for x in df.columns if x.startswith("p_d_d_")]
df[column_vals] = df[column_vals].astype(float)

Answer 2

试试这个：

import pandas as pd

# sample dataframe
df = pd.DataFrame(data={"co1":[1,2,3,4], "co22":[4,3,2,1], "co3":[2,3,2,4], "abc":[5,4,3,2]})

# select all columns which have co in it
floatcols = [col for col in df.columns if "co" in col]

for floatcol in floatcols:
    df[floatcol] = df[floatcol].astype(float)

通过正则表达式选择列更改 Pandas 列的数据类型

Change DataTypes of Pandas Columns by selecting columns by regex

python

regex

python-3.x

pandas

pandas-1.0