Python：如何根据列名称中的子字符串匹配从数据集中过滤出列

Question

df_train = pd.read_csv('../xyz.csv')
headers = df_train.columns

我要过滤掉子字符串中带有_pct的标头中的那些列。

Answer 1

使用df.filter

df = pd.DataFrame({'a':[1,2,3], 'b_pct':[1,2,3],'c_pct':[1,2,3],'d':[1]*3})

print(df.filter(items=[i for i in df.columns if '_pct' not in i]))

## or as jezrael suggested
# print(df[[i for i in df.columns if '_pct' not in i]])

输出：

   a  d                                                                                                                                                           
0  1  1                                                                                                                                                           
1  2  1                                                                                                                                                           
2  3  1 

Answer 2

使用：

#data from AkshayNevrekar answer
df = df.loc[:, ~df.columns.str.contains('_pct')]
print (df)

过滤器解决方案并不简单：

df = df.filter(regex=r'^(?!.*_pct).*$')

---

   a  d
0  1  1
1  2  1
2  3  1

---

谢谢@IanS提供的另一种解决方案：

df[df.columns.difference(df.filter(like='_pct').columns).tolist()]

df.drop(df.filter(like='_pct').columns, axis=1)

Answer 3

由于df.columns返回列名的列表，因此您可以使用列表推导并以简单的条件构建新列表：

new_headers = [x for x in headers if '_pct' not in x]