比如有一個三百多列的數(shù)據(jù)集，想要快速找到包含xxx的列，這里有三種方法
[x for x in df.columns if 'xxx' in x]
[x for x in df.columns[df.columns.str.contain('xxx')]]
df.filter(like='xxx').columns
關(guān)于filter，這里可以多說一句，除了like匹配之外，還支持正則表達(dá)式匹配，參數(shù)為regex。
官方api上給出了filter更詳細(xì)的用法，除了過濾列名外，還可以在行、列上進(jìn)行篩選，filter全部的參數(shù)如下：
item:接收list類型參數(shù)，保留參數(shù)內(nèi)項目的標(biāo)簽，舉例
# 等同df[['a', 'b', 'c']] df.filter(item=['a', 'b', 'c'])
like like='xxx' 等同 ‘xxx' in labels
regex 正則表達(dá)式，輸入字符串pattern
axis 表示作用的軸
更多示例見官網(wǎng)：DataFrame filter函數(shù)
補充：python-pandas如何選取滿足條件的特定的行和列
我就廢話不多說了，大家還是直接看代碼吧~
import pandas as pd
df1 = 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)
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
標(biāo)簽：隨州 昭通 濟源 淘寶好評回訪 信陽 興安盟 合肥 阜新
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《Pandas 如何篩選包含特定字符的列》，本文關(guān)鍵詞 Pandas,如何,篩選,包含,特定,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請?zhí)峁┫嚓P(guān)信息告之我們，我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。
