是否可以在 pandas 数据帧上使用 fnmatch.filter 而不是正则表达式？

Question

例如，我有一个如下所示的数据框，我只想将某些正则表达式的测试作为我更新后的数据框的一部分。我想知道是否有办法用 fnmatch 而不是 regex 来做到这一点？

data = {'part1':[0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1],
        'part2':[0, 1, 0, 1, 1, 0, 1, 1, 0, 1, 0, 1],
        'part3':[0, 1, 0, 1, 0, 0, 1, 1, 1, 0, 0, 1],
        'part4':[0, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 1],
        'part5':[1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1],
        'part6':[1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1],
        'part7':[1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 0, 1],
        'part8':[1, 0, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1],
        'part9':[1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1 ],
        'part10':[1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1],
        'part11':[0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1],
        'part12':[0, 1, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1]
        }
df = pd.DataFrame(data, index =['test_gt1',
                                'test_gt2',
                                'test_gf3',
                                'test_gf4',
                                'test_gt5',
                                'test_gg6',
                                'test_gf7',
                                'test_gt8',
                                'test_gg9',
                                'test_gf10',
                                'test_gg11',
                                'test12'
                                ])

我希望能够使用 fnmatch.filter 创建一个仅包含 test_gg 或 test_gf 或 test_gt 的新数据框？我看到的所有示例都与列表相关，那么如何将其应用于数据框？

Answer 1

导入 fnmatch.filter 并过滤索引：

from fnmatch import filter
In [7]: df.loc[filter(df.index, '*g*')]
Out[7]:
           part1  part2  part3  part4  part5  part6  part7  part8  part9  part10  part11  part12
test_gt1       0      0      0      0      1      1      1      1      1       1       0       0
test_gt2       1      1      1      0      0      1      1      0      0       1       1       1
test_gf3       0      0      0      0      1      1      1      1      1       1       0       0
test_gf4       0      1      1      1      0      1      1      1      0       1       0       1
test_gt5       0      1      0      1      0      1      0      1      0       1       0       1
test_gg6       0      0      0      0      1      1      1      1      1       1       0       0
test_gf7       1      1      1      0      0      1      1      0      0       1       0       1
test_gt8       0      1      1      1      0      1      1      1      0       1       0       0
test_gg9       1      0      1      0      1      0      1      0      1       0       1       0
test_gf10      0      1      0      1      0      1      0      1      0       1       0       1
test_gg11      0      0      0      0      0      0      0      0      0       0       0       0

您也可以只使用 pandas' filter 函数和正则表达式，并在索引上进行过滤：

In [8]: df.filter(regex=r".+g.+", axis='index')
Out[8]:
           part1  part2  part3  part4  part5  part6  part7  part8  part9  part10  part11  part12
test_gt1       0      0      0      0      1      1      1      1      1       1       0       0
test_gt2       1      1      1      0      0      1      1      0      0       1       1       1
test_gf3       0      0      0      0      1      1      1      1      1       1       0       0
test_gf4       0      1      1      1      0      1      1      1      0       1       0       1
test_gt5       0      1      0      1      0      1      0      1      0       1       0       1
test_gg6       0      0      0      0      1      1      1      1      1       1       0       0
test_gf7       1      1      1      0      0      1      1      0      0       1       0       1
test_gt8       0      1      1      1      0      1      1      1      0       1       0       0
test_gg9       1      0      1      0      1      0      1      0      1       0       1       0
test_gf10      0      1      0      1      0      1      0      1      0       1       0       1
test_gg11      0      0      0      0      0      0      0      0      0       0       0       0

您也可以只使用 like :

df.filter(like="g", axis='index')
Out[12]:
           part1  part2  part3  part4  part5  part6  part7  part8  part9  part10  part11  part12
test_gt1       0      0      0      0      1      1      1      1      1       1       0       0
test_gt2       1      1      1      0      0      1      1      0      0       1       1       1
test_gf3       0      0      0      0      1      1      1      1      1       1       0       0
test_gf4       0      1      1      1      0      1      1      1      0       1       0       1
test_gt5       0      1      0      1      0      1      0      1      0       1       0       1
test_gg6       0      0      0      0      1      1      1      1      1       1       0       0
test_gf7       1      1      1      0      0      1      1      0      0       1       0       1
test_gt8       0      1      1      1      0      1      1      1      0       1       0       0
test_gg9       1      0      1      0      1      0      1      0      1       0       1       0
test_gf10      0      1      0      1      0      1      0      1      0       1       0       1
test_gg11      0      0      0      0      0      0      0      0      0       0       0       0