找到dataframe-column-title首字母更改的列

Question

我有一个Pandas DataFrame，其列名类似：BT_XXX_XX.XX％_X.XX.XX; EH_XXX_XX.XX％_XX.XX.XX; C_XXX_XX.XX％_XX.XX.XX，其中X代表任何字母数字字符。他们是完全混乱的。

我想将数据帧拆分为包含BT_ ，EH _ 和C_ *的不同数据帧（就像我在bash脚本中所做的一样）。

我已经按字母顺序对它们进行了排序，以按顺序排列BT_ ，EH _ 和C_ *。但是，我不知道如何自动查找第一个字符串来创建一个全新的DataFrame。

目前，我可以通过每次检查每组列的位置来手动完成此操作。

#Sorting the dataframe by alphabetical order
dataset = dataset.reindex(sorted(dataset.columns), axis=1)

#Splitting the dataframe
df1 = dataset.iloc[:, :72]
df2 = dataset.iloc[:, 72:148]
df3 = dataset.iloc[148, 148:]

我希望此操作自动化，以避免检查BT_ *列的结束位置以及EH_ *或C_ *的起始位置。

Answer 1

您可以使用groupby在第一个'_'之前拆分存根上的DataFrame。您可以将它们存储在存根作为键的字典中。

df = pd.DataFrame(columns=['BT_XXX_XX.XX%_X.XX.XX', 'BT_13131_1231231', 
                           'EH_XXX_XX.XX%_XX.XX.XX', 'C_XXX_XX.XX%_XX.XX.XX'])

dict(tuple(df.groupby(df.columns.str.split('_').str[0], axis=1)))

---

{'BT': Empty DataFrame
 Columns: [BT_XXX_XX.XX%_X.XX.XX, BT_13131_1231231]
 Index: [], 
'C': Empty DataFrame
 Columns: [C_XXX_XX.XX%_XX.XX.XX]
 Index: [], 
'EH': Empty DataFrame
 Columns: [EH_XXX_XX.XX%_XX.XX.XX]
 Index: []}

Answer 2

您可以使用str的startswith函数使用过滤器列，如下例所示，无需在此之前对列进行排序

df = pd.DataFrame(np.random.rand(10,10), columns=[f"{a}_{i}" for i in range(5) for a in "AB"])

df1= df.loc[:, df.columns.str.startswith("A_")]
df2 = df.loc[:, df.columns.str.startswith("B_")]

display(df1.head())
display(df2.head())