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
|
1
|
[x for x in df.columns if 'xxx' in x] |
str.contain()+列表解析式
|
1
|
[x for x in df.columns[df.columns.str.contain('xxx')]] |
filter函数
|
1
|
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
|
1
2
|
# 等同df[['a', 'b', 'c']]df.filter(item=['a', 'b', 'c']) |
like like='xxx' 等同 ‘xxx' in labels
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：DataFrame filter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~
|
1
2
3
4
5
6
7
8
9
10
11
|
import pandas as pddf1 = 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服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/qq_42874547/article/details/105228125
