Question

这个问题与this one几乎重复，但有一些调整。

采用以下数据框，并获取其中包含“ sch”或“ oa”的列的位置。在R中足够简单：

df <- data.frame(cheese = rnorm(10),
                 goats = rnorm(10), 
                 boats = rnorm(10), 
                 schmoats = rnorm(10), 
                 schlomo = rnorm(10),
                 cows = rnorm(10))

grep("oa|sch", colnames(df))

[1] 2 3 4 5

write.csv(df, file = "df.csv")

现在在python中，我可以使用一些详细的列表理解：

import pandas as pd
df = pd.read_csv("df.csv", index_col = 0)
matches = [i for i in range(len(df.columns)) if "oa" in df.columns[i] or "sch" in df.columns[i]]

matches
Out[10]: [1, 2, 3, 4]

我想知道是否有比上述列表理解示例更好的方法来用python做到这一点。具体来说，如果我有几十个字符串要匹配怎么办。在R中，我可以做类似

的操作

regex <- paste(vector_of_strings, sep = "|")
grep(regex, colnames(df))

但是使用python中的列表理解来执行此操作并不明显。也许我可以使用字符串操作来以编程方式创建要在列表内部执行的字符串，以处理所有重复的or语句？

Answer 1

使用pandas的DataFrame.filter运行相同的正则表达式：

df.filter(regex = "oa|sch").columns
# Index(['goats', 'boats', 'schmoats', 'schlomo'], dtype='object')

df.filter(regex = "oa|sch").columns.values
# ['goats' 'boats' 'schmoats' 'schlomo']

数据

import numpy as np
import pandas as pd

np.random.seed(21419)

df = pd.DataFrame({'cheese': np.random.randn(10),
                   'goats': np.random.randn(10), 
                   'boats': np.random.randn(10), 
                   'schmoats': np.random.randn(10), 
                   'schlomo': np.random.randn(10),
                   'cows': np.random.randn(10)})

要搜索多个字符串：

rgx = "|".join(list_of_strings)

df.filter(regex = rgx)

要返回索引，请考虑来自@Divakar的矢量化numpy解决方案。请注意，与R不同，Python是零索引的。

def column_index(df, query_cols):
    cols = df.columns.values
    sidx = np.argsort(cols)
    return sidx[np.searchsorted(cols,query_cols,sorter=sidx)]

column_index(df, df.filter(regex="oa|sch").columns)
# [1 2 3 4]

Answer 2

也许您正在寻找re模块？

import re
pattern = re.compile("oa|sch")
[i for i in range(len(df.columns)) if pattern.search(df.columns[i])]
# [1, 2, 3, 4]

与R的向量化相比，也许不是最好的方法，但是列表理解应该没问题。

如果您想将字符串连接在一起，可以执行类似的操作

"|".join(("oa", "sch"))
# 'oa|sch'

相当于R风格grep的更简单的python，包括多个要匹配的东西

2 个答案: