我有一个DataFrame：
import pandas as pd
import numpy as np
df = pd.DataFrame({'foo.aa': [1, 2.1, np.nan, 4.7, 5.6, 6.8],
'foo.fighters': [0, 1, np.nan, 0, 0, 0],
'foo.bars': [0, 0, 0, 0, 0, 1],
'bar.baz': [5, 5, 6, 5, 5.6, 6.8],
'foo.fox': [2, 4, 1, 0, 0, 5],
'nas.foo': ['NA', 0, 1, 0, 0, 0],
'foo.manchu': ['NA', 0, 0, 0, 0, 0],})
我想在以foo.开头的列中选择值1。有没有比这更好的方法：
df2 = df[(df['foo.aa'] == 1)|
(df['foo.fighters'] == 1)|
(df['foo.bars'] == 1)|
(df['foo.fox'] == 1)|
(df['foo.manchu'] == 1)
]
类似于写一些类似的东西：
df2= df[df.STARTS_WITH_FOO == 1]
答案应该打印出这样的DataFrame：
bar.baz foo.aa foo.bars foo.fighters foo.fox foo.manchu nas.foo
0 5.0 1.0 0 0 2 NA NA
1 5.0 2.1 0 1 4 0 0
2 6.0 NaN 0 NaN 1 0 1
5 6.8 6.8 1 0 5 0 0
[4 rows x 7 columns]
答案 0 :(得分：91)
只需执行列表理解即可创建列：
In [28]:
filter_col = [col for col in df if col.startswith('foo')]
filter_col
Out[28]:
['foo.aa', 'foo.bars', 'foo.fighters', 'foo.fox', 'foo.manchu']
In [29]:
df[filter_col]
Out[29]:
foo.aa foo.bars foo.fighters foo.fox foo.manchu
0 1.0 0 0 2 NA
1 2.1 0 1 4 0
2 NaN 0 NaN 1 0
3 4.7 0 0 0 0
4 5.6 0 0 0 0
5 6.8 1 0 5 0
另一种方法是从列创建一个系列并使用向量化的str方法startswith：
In [33]:
df[df.columns[pd.Series(df.columns).str.startswith('foo')]]
Out[33]:
foo.aa foo.bars foo.fighters foo.fox foo.manchu
0 1.0 0 0 2 NA
1 2.1 0 1 4 0
2 NaN 0 NaN 1 0
3 4.7 0 0 0 0
4 5.6 0 0 0 0
5 6.8 1 0 5 0
为了实现您的目标，您需要添加以下内容来过滤不符合==1条件的值：
In [36]:
df[df[df.columns[pd.Series(df.columns).str.startswith('foo')]]==1]
Out[36]:
bar.baz foo.aa foo.bars foo.fighters foo.fox foo.manchu nas.foo
0 NaN 1 NaN NaN NaN NaN NaN
1 NaN NaN NaN 1 NaN NaN NaN
2 NaN NaN NaN NaN 1 NaN NaN
3 NaN NaN NaN NaN NaN NaN NaN
4 NaN NaN NaN NaN NaN NaN NaN
5 NaN NaN 1 NaN NaN NaN NaN
修改
在看到你想要的东西之后好了，这个错综复杂的答案是：
In [72]:
df.loc[df[df[df.columns[pd.Series(df.columns).str.startswith('foo')]] == 1].dropna(how='all', axis=0).index]
Out[72]:
bar.baz foo.aa foo.bars foo.fighters foo.fox foo.manchu nas.foo
0 5.0 1.0 0 0 2 NA NA
1 5.0 2.1 0 1 4 0 0
2 6.0 NaN 0 NaN 1 0 1
5 6.8 6.8 1 0 5 0 0
答案 1 :(得分：38)
现在pandas的索引支持字符串操作，可以说选择以'foo'开头的列的最简单和最好的方法就是：
df.loc[:, df.columns.str.startswith('foo')]
或者，您可以使用df.filter()过滤列（或行）标签。指定正则表达式以匹配以foo.开头的名称：
>>> df.filter(regex=r'^foo\.', axis=1)
foo.aa foo.bars foo.fighters foo.fox foo.manchu
0 1.0 0 0 2 NA
1 2.1 0 1 4 0
2 NaN 0 NaN 1 0
3 4.7 0 0 0 0
4 5.6 0 0 0 0
5 6.8 1 0 5 0
要仅选择所需的行（包含1）和列，您可以使用loc，使用filter（或任何其他方法）选择列，并使用行any：
>>> df.loc[(df == 1).any(axis=1), df.filter(regex=r'^foo\.', axis=1).columns]
foo.aa foo.bars foo.fighters foo.fox foo.manchu
0 1.0 0 0 2 NA
1 2.1 0 1 4 0
2 NaN 0 NaN 1 0
5 6.8 1 0 5 0
答案 2 :(得分：1)
您可以在此处尝试使用正则表达式来过滤以“ foo”开头的列
df.filter(regex='^foo*')
如果您的列中需要包含字符串foo，则
df.filter(regex='foo*')
比较合适。
下一步，您可以使用
df[df.filter(regex='^foo*').values==1]
过滤掉“ foo *”列的值之一为1的行。
答案 3 :(得分：0)
我的解决方案。性能可能较慢：
a = pd.concat(df[df[c] == 1] for c in df.columns if c.startswith('foo'))
a.sort_index()
bar.baz foo.aa foo.bars foo.fighters foo.fox foo.manchu nas.foo
0 5.0 1.0 0 0 2 NA NA
1 5.0 2.1 0 1 4 0 0
2 6.0 NaN 0 NaN 1 0 1
5 6.8 6.8 1 0 5 0 0
答案 4 :(得分：0)
选择所需条目的另一个选择是使用map：
df.loc[(df == 1).any(axis=1), df.columns.map(lambda x: x.startswith('foo'))]
为您提供包含1的行的所有列：
foo.aa foo.bars foo.fighters foo.fox foo.manchu
0 1.0 0 0 2 NA
1 2.1 0 1 4 0
2 NaN 0 NaN 1 0
5 6.8 1 0 5 0
行选择由
完成(df == 1).any(axis=1)
在@ ajcr的回答中给出了：
0 True
1 True
2 True
3 False
4 False
5 True
dtype: bool
意味着行3和4不包含1，并且不会被选中。
选择列是使用布尔索引完成的，如下所示：
df.columns.map(lambda x: x.startswith('foo'))
在上面的例子中，这将返回
array([False, True, True, True, True, True, False], dtype=bool)
因此，如果列不以foo开头，则会返回False，因此不会选择该列。
如果您只想返回包含1的所有行 - 正如您所希望的输出所示 - 您只需执行
df.loc[(df == 1).any(axis=1)]
返回
bar.baz foo.aa foo.bars foo.fighters foo.fox foo.manchu nas.foo
0 5.0 1.0 0 0 2 NA NA
1 5.0 2.1 0 1 4 0 0
2 6.0 NaN 0 NaN 1 0 1
5 6.8 6.8 1 0 5 0 0
答案 5 :(得分：0)
根据@EdChum的回答，您可以尝试以下解决方案：
df[df.columns[pd.Series(df.columns).str.contains("foo")]]
如果并非您要选择的所有列都以foo开头，这将非常有用。此方法选择包含子字符串foo的所有列，并且可以将其放置在列名称的任何位置。
本质上，我将.startswith()替换为.contains()。
答案 6 :(得分：0)
最简单的方法是直接在列名上使用str，不需要pd.Series
df.loc[:,df.columns.str.startswith("foo")]
答案 7 :(得分：0)
就我而言，我需要一个前缀列表
colsToScale=["production", "test", "development"]
dc[dc.columns[dc.columns.str.startswith(tuple(colsToScale))]]
答案 8 :(得分：0)
我不喜欢其他解决方案要求我们两次引用 DataFrame；如果您只有一个名为 df 的框架可能没问题，但通常情况并非如此（您的实际名称可能更长）。让我们滥用 pandas 索引功能来减少输入，并使代码更具可读性。没有什么能阻止我们使用这样的东西：
df.loc[:, columns.startswith('foo')]
因为索引器可以是任何 Callable。然后我们甚至可以将这个伪索引器分配给一个变量并将其用于多个帧：
foo_columns = columns.startswith('foo')
df_1.loc[:, foo_columns]
df_2.loc[:, foo_columns]
我们甚至可以将其打印得很漂亮：
> foo_columns
<function __main__.PandasIndexer:columns.str.startswith(pat='foo')()>
我们可以使用 str 访问器的任何其他方法，例如columns.contains(r'bar\d', regex=True)，同时获得有用的签名：
> columns.contains
<function __main__.PandasIndexer:columns.str.contains(pat, case=True, flags=0, na=None, regex=True)>
所有这些都带有这个简短的魔术代码：
from pandas import Series
from inspect import signature, Signature
class PandasIndexer:
def __init__(self, axis_name, accessor='str'):
"""
Args:
- axis_name: `columns` or `index`
- accessor: e.g. `str`, or `dt`
"""
self._axis_name = axis_name
self._accessor = accessor
self._dummy_series = Series(dtype=object)
def _create_indexer(self, attribute):
dummy_accessor = getattr(self._dummy_series, self._accessor)
dummy_attr = getattr(dummy_accessor, attribute)
name = f'PandasIndexer:{self._axis_name}.{self._accessor}.{attribute}'
def indexer_factory(*args, **kwargs):
def indexer(df):
axis = getattr(df, self._axis_name)
accessor = getattr(axis, self._accessor)
method = getattr(accessor, attribute)
return method(*args, **kwargs)
bound_arguments = signature(dummy_attr).bind(*args, **kwargs)
indexer.__qualname__ = (
name + str(bound_arguments).replace('<BoundArguments ', '')[:-1]
)
indexer.__signature__ = Signature()
return indexer
indexer_factory.__name__ = name
indexer_factory.__qualname__ = name
indexer_factory.__signature__ = signature(dummy_attr)
return indexer_factory
def __getattr__(self, attribute):
return self._create_indexer(attribute)
def __dir__(self):
"""Make it work with auto-complete in IPython"""
return dir(getattr(self._dummy_series, self._accessor))
columns = PandasIndexer('columns')